如何用Python获取CPU、GPU、VPU使用率并实现任务管理器性能页

下面是修改后的完整代码，在你原有基础上完善了GPU使用率的显示，并添加了VPU（以Intel VPU为例）的监控功能：

import psutil
import time
import pynvml
from openvino.runtime import Core

# 初始化GPU监控
pynvml.nvmlInit()
gpu_handle = pynvml.nvmlDeviceGetHandleByIndex(0)

# 初始化VPU监控（Intel VPU为例）
ov_core = Core()
vpu_devices = [device for device in ov_core.available_devices if "VPU" in device]
vpu_supported = len(vpu_devices) > 0

def display_usage(cpu_usage, mem_usage, gpu_usage, vpu_usage=None, bars=30):
    # CPU进度条生成
    cpu_percent = cpu_usage / 100.0
    cpu_bar = '█' * int(cpu_percent * bars) + '-' * (bars - int(cpu_percent * bars))
    # 内存进度条生成
    mem_percent = mem_usage / 100.0
    mem_bar = '█' * int(mem_percent * bars) + '-' * (bars - int(mem_percent * bars))
    # GPU进度条生成
    gpu_percent = gpu_usage / 100.0
    gpu_bar = '█' * int(gpu_percent * bars) + '-' * (bars - int(gpu_percent * bars))
    
    # 拼接基础输出内容
    output = f"\rCPU USAGE: |{cpu_bar}| {cpu_usage:.2f}%  "
    output += f"MEM USAGE: |{mem_bar}| {mem_usage:.2f}%  "
    output += f"GPU USAGE: |{gpu_bar}| {gpu_usage:.2f}%  "
    
    # 追加VPU信息（仅当检测到设备时）
    if vpu_usage is not None:
        vpu_percent = vpu_usage / 100.0
        vpu_bar = '█' * int(vpu_percent * bars) + '-' * (bars - int(vpu_percent * bars))
        output += f"VPU USAGE: |{vpu_bar}| {vpu_usage:.2f}%  "
    
    print(output, end="")

while True:
    # 获取CPU与内存使用率
    cpu_usage = psutil.cpu_percent()
    mem_usage = psutil.virtual_memory().percent
    
    # 获取GPU使用率
    gpu_util = pynvml.nvmlDeviceGetUtilizationRates(gpu_handle).gpu
    
    # 获取VPU使用率（Intel VPU）
    vpu_util = None
    if vpu_supported:
        vpu_metrics = ov_core.get_property(vpu_devices[0], "METRIC_DEVICE_UTILIZATION")
        vpu_util = vpu_metrics["utilization"]
    
    # 统一展示所有监控数据
    display_usage(cpu_usage, mem_usage, gpu_util, vpu_util)
    time.sleep(0.5)

关键修改说明 #

• 完善GPU监控：原有代码已获取GPU使用率但未传入显示逻辑，现在将其纳入display_usage函数并添加对应进度条展示
• 添加VPU监控：以Intel VPU为例，采用OpenVINO Runtime库获取设备使用率。若使用其他品牌VPU，需替换对应依赖：
  • Movidius VPU：使用mvncapi库
  • AMD VPU：可调用系统命令amdgpu_top并解析输出，或使用其Python封装
• 兼容无VPU场景：添加设备检测逻辑，避免无VPU设备时出现运行错误

依赖安装 #

需额外安装对应库：

• GPU监控：pip install pynvml（原代码已使用）
• VPU监控（Intel）：pip install openvino
• CPU/内存监控：pip install psutil（原代码已使用）

内容的提问来源于stack exchange，提问作者Arbaz ali