Cpu y gpu no llegan al 100
Estoy ejecutando una CNN con keras-gpu y tensorflow-gpu con una NVIDIA GeForce RTX 2080 Ti en Windows 10. Mi ordenador tiene una CPU Intel Xeon e5-2683 v4 (2,1 GHz). Estoy ejecutando mi código a través de Jupyter (distribución Anaconda más reciente). La salida en la terminal de comandos muestra que la GPU está siendo utilizada, sin embargo el script que estoy ejecutando tarda más de lo que espero en entrenar/probar los datos y cuando abro el administrador de tareas parece que la utilización de la GPU es muy baja. Aquí hay una imagen:
Nótese que la CPU no está siendo utilizada y nada más en el administrador de tareas sugiere que algo está siendo utilizado completamente. No tengo una conexión ethernet y estoy conectado a Wifi (no creo que esto afecte a nada, pero no estoy seguro con Jupyter, ya que se ejecuta a través de la web broswers). Estoy entrenando con muchos datos (~128GB) que están cargados en la RAM (512GB). El modelo que estoy ejecutando es una red neuronal totalmente convolucional (básicamente una arquitectura U-Net) con 566.290 parámetros entrenables. Cosas que he probado hasta ahora:
Bajo uso de la gpu sin cuello de botella
Sin embargo, dudo que hagas esto intencionadamente. Comprueba la configuración de Geforce Experience/Optimus para el juego – quizás haya una opción activada que indique a cualquiera de los dos programas que borre los archivos de caché del juego cada vez que salgas.
He comprobado todos los archivos del juego, no he encontrado nada sobre la limpieza de la caché en Geforce Experience, Geforce Controlpanel, la configuración de Windows o la configuración de Steam. También he borrado todos los archivos temporales ( lo he visto en un vídeo de YT ), pero tampoco ha servido de nada.
¿Puedes explicar dónde y qué circunstancias se dan en los siguientes tramos de tiempo y si juegas en solitario o en multijugador? ¿Cuáles son las principales diferencias de actividad? No juego al 6S, así que no estoy seguro de la implicación o importancia de cada parte de la sesión de juego.
Y el final del juego también es dentro de la ejecución, puede ser que obtenga mayores fps porque casi no hay más bots en el edificio. ¿Así que tiene que renderizar menos o algo así? (No estoy seguro de cómo CPU’S y GPU’S trabajan entre sí ).
No es probable que sea tanto el renderizado, ya que eso lo maneja principalmente la tarjeta gráfica. La tarjeta gráfica no se encuentra con sus límites, sino la CPU. La CPU se utiliza para cosas como la física y la IA de esos bots, y es lógico que a medida que se eliminen más de ellos, la demanda de la CPU disminuya, permitiéndole realizar sus tareas más veces por segundo.
Aumentar el uso de la gpu
Build HelpHey todos. Así que estaba monitoreando la información de mi hardware usando HWMonitor mientras jugaba a Hitman (el primero) y me di cuenta de que en algunos puntos estaba recibiendo caídas de fps mientras miraba áreas específicas y más exigentes, pero después de comprobar HWM, mi GPU sólo subió a alrededor de 60-70% de uso. Dudo que mi CPU sea un cuello de botella, ya que tampoco llegó al 100% de uso y tengo un Ryzen 5 3600X (mi GPU es una 3060).¿Por qué ocurre eso? También tengo algunos problemas con los ventiladores de mi GPU , si es que eso importa. Y sí, estoy paranoico. Es un PC nuevo que costó un montón de dinero después de todo.65 comentarioscompartirinformar95% UpvotedEntrar o registrarse para dejar un comentarioEntrarSign UpOrdenar por: mejor
Gpu no funciona al 100 reddit
Extrañamente, en un sistema dual Xeon Platinum es alrededor del 12% al máximo con cuatro GPUs y no sube mucho de ahí incluso con 7 GPUs. Obviamente, el Xeon dual es mucho más rápido que el quad core, pero en los benchmarks los dos Xeons son sólo 4 veces más rápidos que el i5 simple. El i5 utiliza más del doble de potencia de la CPU que los Xeon.
Parece que tu escena es demasiado grande para caber en la VRAM, por lo que está saliendo del núcleo, lo que significa que la cpu está ocupada enviando bits de información a la gpu bajo demanda. Intenta activar la simplificación y limitar el tamaño de las texturas en el tiempo de renderizado a algo pequeño y mira si consigues un uso del 100% de la gpu con poco uso de la cpu. Asegúrate de que tienes activada la interfaz de bloqueo en el menú de renderizado en la parte superior también, que libera recursos de gpu haciendo que el viewport esté inactivo durante el renderizado.
@3di Durante estas pruebas utilicé el archivo de demostración de Classroom. Mirando los sensores de GPU-z o nvidia-smi, la escena utiliza alrededor de 1,2GB de VRAM al renderizar. Todas las tarjetas tenían 3GB o 6GB. Volveré a comprobar con algunos de los consejos que has mencionado para ver si eso supone una diferencia.