### 编写Python脚本监控GPU和CPU #### 使用`psutil`库监测CPU资源 对于CPU的监控，可以利用`psutil`库获取系统的实时状态。该库提供了便捷的方法来访问系统参数，包括但不限于CPU利用率、内存使用情况等。 ```python import psutil cpu_percent = psutil.cpu_percent(interval=1, percpu=True) print(f'Each CPU core usage percentage: {cpu_percent}') ``` 上述代码展示了如何读取各个CPU核心的占用率[^1]。 #### GPU监控借助于`nvidia-smi`命令与`subprocess`模块 针对NVIDIA显卡，在Linux环境下通常会通过`nvidia-smi`这一工具查询GPU的相关信息。此命令能够提供关于GPU利用率、温度以及其他重要指标的数据。为了能够在Python程序里执行这些操作，可以通过`subprocess.run()`方法调用shell指令，并解析返回的结果字符串。 ```python from subprocess import run, PIPE def get_gpu_info(): result = run(['nvidia-smi', '--query-gpu=name,memory.total,memory.free,memory.used,temperature.gpu', '--format=csv,noheader,nounits'], stdout=PIPE).stdout.decode('utf-8') lines = result.strip().split('\n') gpus = [] for line in lines: parts = line.split(', ') gpu_dict = { 'name': parts[0], 'memory_total': int(parts[1]), 'memory_free': int(parts[2]), 'memory_used': int(parts[3]), 'temp': float(parts[4]) } gpus.append(gpu_dict) return gpus gpu_data = get_gpu_info() for idx, data in enumerate(gpu_data): print(f"GPU{idx}: Name={data['name']}, Memory Used={data['memory_used']}MB," f" Temperature={data['temp']}°C") ``` 这段代码实现了对每一块已安装GPU的信息收集工作，其中包括名称、总内存大小、当前可用内存量、已被使用的内存量以及芯片表面温度等细节[^2]。 #### 定期更新数据展示变化趋势 为了让用户更直观地了解硬件性能随时间的变化规律，建议定期刷新统计数据并向终端输出最新数值。这一步骤可通过设置定时器或循环结构完成；同时也可以考虑引入图形化界面（如Matplotlib绘图）以便更好地呈现历史记录曲线图表。