如何知道服务器的显卡类型

① 如何区分GPU服务器和普通服务器

GPU服务器是基于GPU的应用视频编解码、深度学习、海量运算等多种场景的快速、稳定的计算服务。GPU加速计算可以提供非凡的应用程序性能，能将应用程序计算密集部分的工作负载到GPU，同时仍由CPU运行其余程序代码。普通服务器在这些方面的应用上可能会稍微差点。其实你也可以去网上对比看看，去官网找几个具体的型号做一下对比。思腾合力在业界的口碑还是不错的，拥有覆盖全场景的需求的GPU服务器产品线，拥有自主品牌GPU服务器以及通用X86服务器，还是挺不错的。

② linux服务器如何查看GPU信息

Linux查看显卡信息：

[python]view plain

• lspci|grep-ivga

使用nvidia GPU可以：

[python]view plain

• lspci|grep-invidia





表头释义：


• Fan：显示风扇转速，数值在0到100%之间，是计算机的期望转速，如果计算机不是通过风扇冷却或者风扇坏了，显示出来就是N/A；

• Temp：显卡内部的温度，单位是摄氏度；

• Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能；

• Pwr：能耗表示；

• Bus-Id：涉及GPU总线的相关信息；

• Disp.A：是Display Active的意思，表示GPU的显示是否初始化；

• Memory Usage：显存的使用率；

• Volatile GPU-Util：浮动的GPU利用率；

• Compute M：计算模式；

下边的Processes显示每块GPU上每个进程所使用的显存情况。


如果要周期性的输出显卡的使用情况，可以用watch指令实现：

[python]view plain

• watch-n10nvidia-smi

命令行参数-n后边跟的是执行命令的周期，以s为单位。

③ 服务器需要什么样的显卡

服务器是可以配置独立显卡的，但是服务器显卡都比较贵，而且不是所有服务器都可以配置独立显卡的，下面是一款服务器常用的独立显卡NV Grid K1的参数：

显存：16GB。

核心频率：850MHz。

显存频率：891MHz。

显存位宽：128bit。

流处理量：768个。

④ 请问linux怎样识别独立显卡

1、linux系统由于稳定性比野悔较好，所以作为服务器的使用比较多；服务器端对于显卡的要求很低，甚至不需要显卡；
2、如果想作为桌面系统来用的话，由于很多厂商对linux系物脊清统的硬件兼容性支持不是很好，需要安装合适的显罩前卡驱动；
3、对于是否需要配置独显，看个人需要，如果对屏幕的显示效果要求比较高的话，可以配一个，但前提是系统能够识别出；有些最新的独显设备linux系统可能还没有合适的显卡驱动，对于目前的主流操作系统，大可放心，无独显依旧能够正常显示，我已经安装过多个linux系统版本了，目前还未发现本本自带显卡有问题的。

⑤ 什么是服务器性能的显卡，怎么理解

如果单说“性能”二字，那就是个伪命题，服务器也分不同的性能级别，有些刀片服务器的性能甚至还不如某些发烧级的游戏台式机，那它所用的显卡性能也会比较一般，如果是说哪些显卡是专门为服务器设计的，那么市场上常见的是三个品牌：NVIDIA、AMD、Intel。NV的Quadro、Tesla K、AMD的FirePro、以及该分类市场新秀Intel的Phi。都属于服务器的显卡，而且由于服务器特殊的任务需求，他所执行的不是单一的游戏渲染，通常都是大规模的并行运算，所以我们一般都把服务器的显卡叫做“图形加速卡”或“通用计算卡”。

⑥ 服务器用什么显卡

一般来说会自带集成显卡，后期升级如果接口满足也可以使用独立显卡。你可以去服务器厂商，国内的正睿、联想、戴尔、曙光，国外的惠普、戴尔等找找相似的产品参考一下，避免升级产生的问题。

⑦ 如何正确选择GPU服务器

选择GPU服务器时首先要考虑业务需求来选择适合的GPU型号。在HPC高性能计算中还需要根据精度来选择，比如有的高性能计算需要双精度，这时如果使用P40或者P4就不合适，只能使用V100或者P100；同时也会对显存容量有要求，比如石油或石化勘探类的计算应用对显存要求比较高；还有些对总线标准有要求，因此，十次方平台建议您选择GPU型号要先看业务需求。
当GPU型号选定后，再考虑用什么样GPU的服务器。这时我们需要考虑以下几种情况：
第一、 在边缘服务器上需要根据量来选择T4或者P4等相应的服务器，同时也要考虑服务器的使用场景，比如火车站卡口、机场卡口或者公安卡口等；在中心端做Inference时可能需要V100的服务器，需要考虑吞吐量以及使用场景、数量等。
第二、 需要考虑客户本身使用人群和IT运维能力，对于BAT这类大公司来说，他们自己的运营能力比较强，这时会选择通用的PCI-e服务器；而对于一些IT运维能力不那么强的客户，他们更关注数字以及数据标注等，我们称这类人为数据科学家，选择GPU服务器的标准也会有所不同。
第三、 需要考虑配套软件和服务的价值。
第四、要考虑整体GPU集群系统的成熟程度以及工程效率，比如像DGX这种GPU一体化的超级计算机，它有非常成熟的操作系统驱动Docker到其他部分都是固定且优化过的，这时效率就比较高。