GPU_Index_Stress (GIS)

GPU_Index_Stress (GIS) est un outil tout-en-un pour résoudre les problèmes d'indexation GPU, effectuer des stress tests et benchmarker vos GPU NVIDIA avec PyTorch.

Problématique

Dans les environnements multi-GPU, trois systèmes d'indexation coexistent et ne correspondent pas toujours :

• Index CUDA/NVML
• Index nvidia-smi
• Index PyTorch

Cette disparité cause de nombreux problèmes lorsqu'on tente d'utiliser un GPU spécifique. GIS résout ce problème en créant une table de correspondance fiable entre les différents systèmes d'indexation.

Fonctionnalités

• 🔄 Mapping précis des index : Détecte et harmonise les correspondances entre CUDA, nvidia-smi et PyTorch
• 🔥 Stress tests configurables : Teste la stabilité et les performances de vos GPU
• 📊 Benchmarks intégrés : Évalue les performances réelles (GFLOPS et bande passante mémoire)
• 🌡️ Surveillance des températures : Surveille les températures pendant les tests
• 💾 Mise en cache des correspondances : Évite des détections répétées chronophages

Installation

Prérequis

• Python 3.6+
• CUDA Toolkit
• Carte(s) graphique(s) NVIDIA

Installation des dépendances

pip install -r requirements.txt

Utilisation rapide
Afficher la correspondance des index

python gis.py --list

Lancer un stress test sur tous les GPU ( attention consommation électrique )

python gis.py

Lancer un stress test sur un GPU spécifique

# Par index CUDA
python gis.py --cuda 2

# Par index PyTorch (recommandé)
python gis.py --pytorch 3

# Par index nvidia-smi
python gis.py --nvidia-smi 1

# Par identifiant PCI
python gis.py --pci 01:00.0

Options supplémentaires

# Utiliser FP16 pour le calcul (plus rapide sur GPU récents)
python gis.py --fp16

# Spécifier le niveau d'utilisation
python gis.py --util 80

# Forcer une nouvelle détection des index
python gis.py --force-detection

# Désactiver l'utilisation du cache
python gis.py --no-cache

Comment ça marche

    Détection des correspondances : L'outil active chaque GPU via PyTorch et observe l'activité pour identifier les correspondances
    Stress test : Utilise des multiplications matricielles intensives via PyTorch pour charger les GPU
    Benchmarks : Mesure les performances en GFLOPS et la bande passante mémoire

Contributions

Les contributions sont les bienvenues !

Licence

Ce projet est sous licence MIT