1. 项目概述
在Ubuntu系统上进行显卡压力测试是验证GPU稳定性和散热性能的重要环节。gpu_burn作为一款开源的GPU烤机工具，能够最大限度地压榨显卡性能，帮助我们快速发现潜在问题。本文将详细介绍在Ubuntu 22.04系统下从零开始安装、配置和运行gpu_burn的全过程。
作为一名长期从事GPU计算开发的工程师，我经常需要对新购置的显卡进行稳定性测试。gpu_burn相比其他测试工具的优势在于它能够产生持续的高负载，这对于检测显卡在长时间高负荷工作下的稳定性特别有效。下面我将分享完整的操作流程和实际测试中积累的经验技巧。
2. 环境准备与工具安装
2.1 系统基础环境检查
在开始之前，我们需要确保系统已经安装了必要的驱动和工具链：
bash复制# 检查NVIDIA驱动是否安装
nvidia-smi
# 检查CUDA工具包是否安装
nvcc --version
如果上述命令没有输出预期结果，需要先安装NVIDIA驱动和CUDA工具包。在Ubuntu 22.04上推荐使用官方仓库安装：
bash复制# 安装NVIDIA驱动
sudo apt install nvidia-driver-535
# 安装CUDA工具包
sudo apt install nvidia-cuda-toolkit
注意：驱动版本需要与显卡型号匹配，较新的RTX 40系列显卡建议使用535或更高版本的驱动。
2.2 安装编译依赖
gpu_burn需要一些基本的编译工具和库：
bash复制sudo apt update
sudo apt install build-essential git wget
3. gpu_burn获取与编译
3.1 下载和解压源码
bash复制mkdir gpu-burn
cd gpu-burn
wget http://wili.cc/blog/entries/gpu-burn/gpu_burn-0.9.tar.gz
tar xvf gpu_burn-0.9.tar.gz
下载完成后，你会看到目录下有以下文件：
- Makefile：编译配置文件
- compare.cu：CUDA核心代码文件
- gpu_burn.cpp：主程序文件
3.2 确定显卡计算能力
在编译前，我们需要确定显卡的计算能力（Compute Capability），这决定了CUDA代码的编译目标架构：
bash复制nvidia-smi --query-gpu=compute_cap --format=csv
典型输出示例：
code复制compute_cap
8.6
常见的计算能力版本对应关系：
- RTX 30系列：8.6
- RTX 40系列：8.9
- 较旧显卡：5.0, 6.0, 7.0等
3.3 修改Makefile配置
使用文本编辑器打开Makefile，找到NVCCFLAGS行：
bash复制vim Makefile
修改示例（假设显卡计算能力为8.6）：
makefile复制NVCCFLAGS = -I/usr/local/cuda/include -arch=compute_86 -ptx compare.cu -o compare.ptx
专业建议：如果你不确定显卡的确切计算能力，可以保守地使用compute_50或compute_60，这些架构在新卡上通常也能运行，但可能无法发挥全部性能。
3.4 编译项目
执行编译命令：
bash复制make clean # 清理之前的编译结果（如果有）
make # 开始编译
编译成功后，会生成gpu_burn可执行文件。如果遇到编译错误，通常是因为：
- CUDA路径不正确 - 检查/usr/local/cuda是否存在
- 计算能力设置过高 - 尝试降低计算能力版本
- 缺少依赖 - 确保安装了所有必要的开发包
4. 运行GPU压力测试
4.1 基本测试命令
最简单的测试方式是直接运行程序并指定测试时长（秒）：
bash复制./gpu_burn 600 # 测试10分钟
程序运行后会显示每个GPU的温度、功耗和使用率等信息。
4.2 高级参数配置
gpu_burn支持一些有用的参数：
bash复制# 测试所有GPU（默认）
./gpu_burn 600
# 指定特定GPU进行测试
CUDA_VISIBLE_DEVICES=0 ./gpu_burn 600 # 只测试第一个GPU
# 使用双精度测试（如果显卡支持）
./gpu_burn -d 600
# 显示更详细的信息
./gpu_burn -v 600
4.3 监控GPU状态
在测试过程中，建议开启另一个终端窗口监控GPU状态：
bash复制watch -n 1 nvidia-smi
这会每秒刷新一次GPU状态，方便观察温度、功耗和利用率的变化。
5. 测试结果分析与问题排查
5.1 正常测试表现
成功的测试应该显示：
- GPU利用率接近100%
- 温度逐渐上升并最终稳定在某个值
- 没有错误信息输出
- 程序在指定时间后正常退出
5.2 常见问题与解决方案
问题1：编译时报错"architecture not supported"
- 原因：指定的计算能力版本过高
- 解决：降低计算能力版本，如改为compute_50
问题2：运行时GPU温度过高
- 原因：散热不足
- 解决：检查风扇是否正常工作，考虑改善机箱通风
问题3：测试过程中系统卡死
- 原因：电源供电不足或显卡过热
- 解决：检查电源功率是否足够，改善散热条件
问题4：测试结果显示GPU利用率低
- 原因：可能被其他进程占用
- 解决：关闭其他可能使用GPU的程序，或使用CUDA_VISIBLE_DEVICES隔离
5.3 测试时长建议
根据测试目的选择不同时长：
- 快速验证：5-10分钟
- 稳定性测试：1-2小时
- 极端压力测试：24小时或更长
6. 安全注意事项与最佳实践
6.1 温度监控与保护
GPU温度是烤机测试中最需要关注的指标：
- NVIDIA显卡的安全温度通常在95°C左右
- 建议设置温度上限以避免硬件损坏：
bash复制# 设置温度上限为85°C
nvidia-smi -i 0 -pl 250 -tg 85
6.2 电源需求考虑
高负载测试时：
- 确保电源有足够的功率余量（至少比显卡TDP高100W）
- 使用独立的PCIe电源线，避免使用转接头
6.3 多GPU系统测试技巧
对于多GPU系统：
- 可以逐个测试每块GPU，避免电源过载
- 使用CUDA_VISIBLE_DEVICES隔离测试
- 注意GPU之间的散热影响
7. 性能分析与优化
7.1 理解测试结果
gpu_burn的输出包含重要信息：
- 计算错误数：应为0，否则可能有硬件问题
- 温度曲线：观察是否达到稳定状态
- 功耗：检查是否接近显卡TDP
7.2 与其他测试工具对比
gpu_burn相比FurMark等工具的特点：
- 更专注于计算核心的压力测试
- 不测试图形输出管线
- 更适合HPC和计算应用场景
7.3 长期稳定性监控
对于需要长期运行的GPU工作站或服务器，建议：
- 定期运行压力测试（如每月一次）
- 记录温度、功耗等数据形成趋势图
- 建立性能基线以便快速发现问题
在实际使用中，我发现新显卡在初次烤机时温度往往会比使用一段时间后高5-10°C，这是因为散热膏需要时间"磨合"。如果测试过程中温度持续上升而不稳定，很可能散热系统存在问题。