gpu-burn 使用指南多 GPU 压力测试与显卡验机完整教程【免费下载链接】gpu-burnMulti-GPU CUDA stress test项目地址: https://gitcode.com/gh_mirrors/gp/gpu-burn刚组好一台装 8 张显卡的服务器部署训练任务前总担心某张卡在高负载下悄悄出错。gpu-burn 是一款多 GPU CUDA 压力测试工具让所有显卡同时跑满浮点运算并自动校验计算结果、逐卡输出 OK/FAULTY。 适合谁用如果你维护带多张 NVIDIA GPU 的机器——新机器验收、上架前烤机、或者想排查某张卡是不是坏了——它都能派上用场。不用搭深度学习环境一条命令就能让所有卡同时满载省去了逐张卡测试的时间。 快速上手三步跑通每步都很短1️⃣ 克隆源码到本地git clone https://gitcode.com/gh_mirrors/gp/gpu-burn cd gpu-burn2️⃣ 编译Makefile 会自动探测 CUDA 安装位置make3️⃣ 先列出全部显卡再做一次 5 分钟冒烟测试./gpu_burn -l ./gpu_burn 300结束时每张卡都会打印 OK 或 FAULTY全绿就可以放心继续。 核心特性 燃烧时长直接写进命令不需要任何配置文件命令行最后一个参数就是秒数到点自动停。./gpu_burn 600 显存占用精确可控-m决定吃多少显存可以给固定 MB 数也可以给可用显存的百分比默认 90%。机器上还有别的进程时用百分比更稳./gpu_burn -m 4096 1200 # 固定 4GB跑 20 分钟 ./gpu_burn -m 50% 60 # 半块显存跑 1 分钟 单卡定点测试-i N只压编号为 N 的那张卡用来隔离嫌疑对象非常顺手。./gpu_burn -i 2 1800 双精度与 Tensor 核心模式-d切换成双精度浮点运算精度更高、更吃算力-tc尝试调用 Tensor 核心GPU 里专门加速矩阵运算的硬件单元。./gpu_burn -d 3600 ./gpu_burn -tc 600✅ 自带结果校验它不是单纯把风扇吹热内核在持续比较运算结果的差值错误数会实时累计。任何一张卡被判 FAULTY把该卡下线检修就行不用整台机器陪跑。 进阶玩法 Docker 一键部署服务器环境脏、不想动系统里的 CUDA 版本时直接打容器镜像docker build -t gpu-burn . docker run --rm --gpus all gpu-burn镜像默认跑 60 秒构建时可用--build-arg COMPUTE75 --build-arg CUDA_VERSION13.0.0指定计算能力和 CUDA 版本。⚙️ 构建时指定计算能力计算能力是 NVIDIA 给每代 GPU 架构的编号编译参数要和你的卡匹配默认 7.5Turing30 系用 8640 系用 89H100 用 90。make COMPUTE89CUDA 装在非默认路径时加make CUDAPATH/usr/local/cuda-12.0。 Windows 版本win/ 目录是官方 Windows 移植版需要 CMake 和 Visual Studio 的 C 工具链build.bat -c 86编译出的 gpu_burn.exe 参数和 Linux 版完全一致共享同一套内核。 实战案例场景一新服务器 24 小时验收./gpu_burn -d 86400双精度全卡燃烧一整天另开终端watch -n 5 nvidia-smi盯温度和功耗整夜无 FAULTY 再交付。场景二定位偶发卡死的嫌疑卡先./gpu_burn -l确认编号再只压那张可疑的卡./gpu_burn -i 1 -m 80% 3600单卡 80% 显存压 1 小时复现 FAULTY 基本可以断定是硬件问题直接走售后。❓ 常见问题Qmake 提示找不到 nvccACUDA 工具链没装或不在默认路径装上后执行make CUDAPATH/usr/local/cuda-12.0。Q新架构的卡该填多少 COMPUTEA对照架构查20 系 75、30 系 86、40 系 89、H100 为 90。Q提示显存不足但 nvidia-smi 明明还有空余A先确认没有别的进程占卡再把-m降到 50% 留出余量重试。写在最后压力测试是确认 GPU 可靠性的最硬核方式建议长夜挂机后再复测一轮。现在就可以克隆仓库、编译然后跑一次./gpu_burn 300的 5 分钟冒烟测试。【免费下载链接】gpu-burnMulti-GPU CUDA stress test项目地址: https://gitcode.com/gh_mirrors/gp/gpu-burn创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考