小白來看：linux 下CPU && GPU && 磁盤信息查看

linux 下CPU && GPU && 磁盤信息查看

cpu

cat /proc/cpuinfo
獲取全部cpu信息，其中physical id是物理cpu個數，也就是實際CPU個數。
core id cpu的核id
cpu cores 線程
上述3個去重之後就是對應的個數，例如

cat /proc/cpuinfo |grep "physical id" | uniq | wc -l
#1
cat /proc/cpuinfo |grep "core id" | uniq | wc -l
#3
cat /proc/cpuinfo |grep "processor" | uniq | wc -l
#6

所以這臺機器是1個物理cpu 三核 6線程 邏輯cpu個數

gpu

nvidia-smi查看當前GPU信息 （定時更新 可使用watch -n nvidia-smi）

需要注意tf跑模型後會佔滿當前GPU，即使訓練過程不需要這麼大，需要自己在代碼裏設置。
如果使用jupyter，運行完之後GPU會一直佔用。
GPU-Util 是GPU 利用率。 顯存和 GPU 的關係有點類似於內存和 CPU
Memory-Usage 顯存信息 0MiB / 12196MiB 當前顯存總共是12G。顯存用於存放模型，顯存越大能運行的網絡就越大。
GPU衡量由cuda cores的數量，精度運算性能等等。

if tf.__version__.startswith('1.'):  # tensorflow 1
    config = tf.ConfigProto()  # allow_soft_placement=True
    config.gpu_options.allow_growth = True
    sess = tf.Session(config=config)
else:  # tensorflow 2
    tf.config.gpu.set_per_process_memory_growth(enabled=True)

磁盤

du -sh 查看當前文件夾佔用大小
du -h 當前文件夾下 子文件夾的大小列表
df -hl 獲取系統磁盤佔用大小

Filesystem，磁盤分區
Size，磁盤分區的大小
Used，已使用的空間
Avail，可用的空間
Use%，已使用的百分比
Mounted on，掛載點

fdisk -l 查看系統掛載的硬盤數
Disk個數就是磁盤數
Disk /dev/vda: 100 GiB
Disk /dev/vdb: 200 GiB