ubuntu centos7 永久设置降低N显卡功率 nvidia-smi

永久模式：1sudo nvidia-smi -pm 1功率设置：sudo nvidia-smi -pl 250更多帮助sudo nvidia-smi -hhttps://zhuanlan.zhihu.com/p/153167855 ↩︎

nachifur

9409人浏览 · 2021-09-16 20:10:02

nachifur · 2021-09-16 20:10:02 发布

1.临时设置

开启永久模式：¹（详细可见nvidia-smi - Persistence-M (Persistence Mode)）

sudo nvidia-smi -pm 1

功率设置：²

sudo nvidia-smi -pl 250

TiTAN RTX的最大功率是280：
在这里插入图片描述
降低TiTAN RTX的最大功率为250：

更多帮助

sudo nvidia-smi -h

2.永久设置

sudo nvidia-smi -pl 250设置完，重启就没了。所以我们设置一个开机自启动的服务。

新建nvidia-setpower.service文件

sudo vim /etc/systemd/system/nvidia-setpower.service

[Unit]
Description=Nvidia SetPower Service
After=network.target
Wants=network.target

[Service]
Type=simple
PIDFile=/run/nvidia-setpower.pid
ExecStart=sh /usr/bin/nvidia-setpower.sh
Restart=on-failure
# Don't restart in the case of configuration error
RestartPreventExitStatus=23

[Install]
WantedBy=multi-user.target

新建nvidia-setpower.sh

sudo vim /usr/bin/nvidia-setpower.sh

sudo nvidia-smi -pm 1 
sudo nvidia-smi -pl 250

sudo nvidia-smi -i 1 -pl 250，-i可以指定第几个显卡。
4. 设置服务开机启动：

systemctl daemon-reload
systemctl start nvidia-setpower.service
systemctl enable nvidia-setpower.service

3. centos的服务文件

/bin/sh需要绝对路径，不然报错。

[Unit]
Description=Nvidia SetPower Service
After=syslog.target network.target

[Service]
Type=simple
PIDFile=/run/nvidia-setpower.pid
ExecStart=/bin/sh /usr/bin/nvidia-setpower.sh
ExecStop=/bin/sh /usr/bin/nvidia-setpower.sh
Restart=on-failure
# Don't restart in the case of configuration error
RestartPreventExitStatus=23

[Install]
WantedBy=multi-user.target

https://blog.csdn.net/chengyq116/article/details/103224622 ↩︎
https://zhuanlan.zhihu.com/p/153167855 ↩︎

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

Expect脚本实战：多条件匹配与防卡死技巧

在自动化测试和系统初始化中，我们常常使用 Expect 脚本来完成一系列交互操作，比如自动输入密码、监听输出并作出响应。然而，实际项目中可能遇到多步骤输出匹配的场景：只有在先匹配到某一行输出，再匹配到另一行输出时，才需要做出响应。同时，如果 “testX failed” 出现了，但 “set params error” 没有在合理时间内出现，不要卡死，而是打印警告并继续。这个写法的问题在于：如

2048 AI社区

AI模型版本控制的标签管理：架构师的技巧

在AI模型生命周期中，版本控制是保障模型可追溯性、协作效率与生产可靠性的核心环节。而标签管理作为版本控制的"语义接口"，其设计质量直接决定了团队对模型版本的理解、检索与复用能力。本文从架构师视角出发，结合第一性原理与MLOps实践，系统阐述AI模型标签管理的理论框架、架构设计、实现机制与高级考量。通过拆解标签的"唯一标识+语义描述"本质，提出四维标签模型。