【如何查看显存】在使用计算机进行图形处理、深度学习、视频渲染等任务时，显存（GPU内存）的使用情况对系统性能有着重要影响。了解如何查看显存可以帮助用户优化资源分配、排查性能瓶颈或调试程序。以下是一些常见操作系统和工具中查看显存的方法总结。
一、Windows 系统
| 工具/方法 | 操作步骤 | 显存信息展示 |
| 任务管理器 | 按 `Ctrl + Shift + Esc` 打开任务管理器 → 切换到“性能”选项卡 → 选择“GPU” | 显示当前显存使用情况（包括已用、空闲、总量） |
| NVIDIA 控制面板 | 右键桌面 → 选择“NVIDIA 控制面板” → 在“系统信息”中查看 | 提供显卡基本信息，但不直接显示实时显存使用 |
| 命令提示符（PowerShell） | 输入 `Get-WmiObject -Class Win32_VideoController` | 显示显卡型号及最大显存容量 |
二、Linux 系统
| 工具/方法 | 操作步骤 | 显存信息展示 | |
| nvidia-smi | 终端输入 `nvidia-smi` | 显示所有 GPU 的详细信息，包括显存使用情况（Total, Used, Free） | |
| lshw | 终端输入 `sudo lshw -C display` | 显示显卡硬件信息，包含显存容量 | |
| glxinfo | 终端输入 `glxinfo | grep "OpenGL renderer"` | 显示显卡型号，间接判断显存大小 |
三、macOS 系统
| 工具/方法 | 操作步骤 | 显存信息展示 |
| 关于本机 | 点击苹果菜单 → 选择“关于本机” → 查看“图形”部分 | 显示显卡型号及显存容量 |
| 终端命令 | 输入 `system_profiler SPDisplaysDataType` | 显示显卡详细信息，包括显存 |
四、编程环境中的显存查看
| 环境 | 方法 | 示例代码 |
| Python (PyTorch) | 使用 `torch.cuda.memory_allocated()` 和 `torch.cuda.memory_reserved()` | ```python\nimport torch\nprint(torch.cuda.memory_allocated())\n``` |
| Python (TensorFlow) | 使用 `tf.config.experimental.get_memory_usage()` | ```python\nimport tensorflow as tf\nprint(tf.config.experimental.get_memory_usage('GPU'))\n``` |
总结
不同操作系统和应用场景下，查看显存的方式各有不同。对于普通用户，推荐使用任务管理器或 `nvidia-smi`；对于开发者，则可以通过编程接口获取更详细的显存状态。掌握这些方法有助于更好地管理和优化系统资源。