GPU Monitor

Monitor de GPU para a barra superior do Ubuntu

A melhor ferramenta de rastreamento de GPU em tempo real

Monitore o desempenho, a temperatura e o uso da memória da sua GPU diretamente da barra de menu do Ubuntu com GPU Monitor. Este aplicativo fácil de usar e eficiente suporta várias GPUs e está totalmente integrado com o sistema operacional Ubuntu mais recente. Obtenha atualizações em tempo real e otimize suas tarefas de jogos ou desenvolvimento. Baixe agora e assuma o controle da saúde da sua GPU hoje!

Sobre o GPU Monitor

GPU Monitor é uma ferramenta intuitiva projetada para desenvolvedores, jogadores e profissionais que precisam manter um olho no desempenho e na saúde de sua placa gráfica em tempo real. Ele se integra perfeitamente com a barra de menu do Ubuntu, fornecendo informações essenciais ao alcance de sua mão.

Recursos Principais

Monitoramento em Tempo Real: Veja a utilização da GPU, memória e temperatura, tudo atualizado ao vivo.
Suporte Multi-GPU: Gerencie e monitore várias GPUs a partir de uma única instância.
Otimizado para Ubuntu: Criado para se integrar perfeitamente com o sistema operacional Ubuntu mais recente.

Instalação

Clone o repositório

Clone com https

	
		git clone https://github.com/maximofn/gpu_monitor.git
	
	
		
	
	Copied

ou com ssh

	
		git clone [email protected]:maximofn/gpu_monitor.git
	
	
		
	
	Copied

Instale as dependências

Verifique se você não tem nenhum ambiente venv ou conda instalado

	
		if [ -n "$VIRTUAL_ENV" ]; then
    deactivate
fi
if command -v conda &>/dev/null; then
    conda deactivate
fi
	
	
		
	
	Copied

Agora instale as dependências

	
		sudo apt-get install python3-gi python3-gi-cairo gir1.2-gtk-3.0
sudo apt-get install gir1.2-appindicator3-0.1
pip3 install nvidia-ml-py3
pip3 install pynvml
	
	
		
	
	Copied

Execução na ligação

Execute este script

	
		./add_to_startup.sh
	
	
		
	
	Copied

Depois de reiniciar seu computador, o GPU Monitor será iniciado automaticamente.

Apóie

Se você gostou, considere dar ao repositório uma estrela ⭐, mas se você realmente gostou, considere me comprar um café ☕.

Continuar lendo

Elicitação MCP: Implementar Elicitação em Servidores com FastMCP e Python

Aprenda a implementar elicitação em servidores MCP (Model Context Protocol) com FastMCP. Tutorial completo passo a passo para criar um agente inteligente de reservas de viagens que solicita informações do usuário de forma interativa. Inclui código de servidor e cliente, configuração de ambientes virtuais com uv, e exemplos práticos de elicitação para coleta de dados do usuário em tempo real.

MCP Durabilidade: Servidor e Cliente com Persistência para Tarefas de Longa Duração

Aprenda a construir servidor e cliente MCP com durabilidade para tarefas de longa duração. Tutorial completo do Model Context Protocol com persistência de dados usando SQLite, gerenciamento de tarefas em background e monitoramento em tempo real. Implemente migração de dados, processamento em lote e treinamento de modelos ML que sobrevivem a reinicializações do servidor. Código Python com FastMCP, recursos, ferramentas e padrões de durabilidade para aplicações enterprise.

MCP Resumível: Como Criar Servidores e Clientes com Checkpoints Automáticos

Aprenda a criar servidores e clientes MCP com capacidades de retomada automática. Tutorial completo sobre implementação de checkpoints, gerenciamento de interrupções e recuperação de tarefas longas no Model Control Protocol. Inclui código prático com FastMCP, gerenciamento de estado persistente e exemplos reais para processos que podem ser interrompidos e continuados de onde pararam.

Últimos posts -->

Você viu esses projetos?

Horeca chatbot

Naviground

Subtify

Ver todos os projetos -->

Quer aplicar IA no seu projeto? Entre em contato!

Quer melhorar com essas dicas?

Memory profiler

Ver o uso de memória de um script

DataLoader com pin_memory e num_workers

Aumentar o desempenho de DataLoader com pin_memory e num_workers

py-smi

Biblioteca Python para obter dados da GPU como `nvidia-smi`

Últimos tips -->

Use isso localmente

Os espaços do Hugging Face nos permitem executar modelos com demos muito simples, mas e se a demo quebrar? Ou se o usuário a deletar? Por isso, criei contêineres docker com alguns espaços interessantes, para poder usá-los localmente, aconteça o que acontecer. Na verdade, se você clicar em qualquer botão de visualização de projeto, ele pode levá-lo a um espaço que não funciona.