Инженер Microsoft, вице-президент и технический специалиста(Member of Technical Staff) в Microsoft и GitHub Скотт Хансельман представил открытый проект под названием gputaskman . Это утилита...

Инженер Microsoft, вице-президент и технический специалиста(Member of Technical Staff) в Microsoft и GitHub Скотт Хансельман представил открытый проект под названием gputaskman. Это утилита для ПК на Windows, Linux, WSL и macOS, которая показывает процессы, использующие мощности видеокарты (GPU). Исходный код решения написан Copilot на Python и опубликован на GitHub под лицензией MIT.

Если вы когда-либо пытались выяснить, что именно использует графический процессор вашего ПК в Windows, то наверняка заметили, что операционная система от Microsoft предоставляет крайне скудную информацию. В разделе «Производительность» диспетчера задач можно увидеть лишь общие показатели: уровень загрузки GPU и его температуру — и на этом всё. На вкладке «Подробности» можно включить отображение объёма видеопамяти, используемого каждым процессом, но эта опция глубоко спрятана, да и сама по себе она почти ничего не говорит о том, чем именно заняты эти процессы.

Ситуация немного лучше, если у вас видеокарта Nvidia: можно включить отображение активности GPU в панели задач. Однако даже этот инструмент лишь перечисляет процессы, использующие графический процессор в данный момент, не раскрывая ни сути их работы, ни причин, по которым они занимают тот или иной объем видеопамяти. В конечном счёте, если вам нужны подробные сведения об использовании GPU, приходится прибегать к командам в PowerShell.

«Диспетчер задач показывает: „Использовано 15 ГБ“. Возникает вопрос: чем именно? Весами нейросетевой модели? Кэшем ключей и значений (KV‑кэшем)? Браузером? Композитором рабочего стола? И почему такой большой объем видеопамяти находится в оперативной памяти системы?. Инструмент под названием gputaskman предназначен для мониторинга и анализа работы графического процессора: он наглядно показывает, что именно использует вашу видеокарту. Это экспериментальное ПО на ранней стадии проработки. Показатели для устройств и процессов являются точными измерениями, в то время как классификации и данные, полученные на основе формата GGUF, — лишь оценочные значения. Программа не выполняет дамп видеопамяти (VRAM) и не проводит инвентаризацию текстур в играх», — пояснил Хансельман.

локальные рабочие нагрузки на графическом процессоре (GPU), исключая облачные сервисы. Сюда входят задачи, связанные с моделями принятия решений, компьютерным зрением, распознаванием речи, инференсом больших языковых моделей (LLM), обучением или дообучением (включая Unsloth), а также обработкой графики и видео;

уровень детализации может варьироваться: отслеживаются использование памяти процессами и активность вычислительных блоков, однако для точной идентификации конкретных моделей и выполняемых ими операций требуются дополнительные подтверждения;

наличие в памяти библиотеки PyTorch или CUDA DLL само по себе не позволяет идентифицировать модель или подтвердить факт её обучения, а отображение файла в память (memory‑mapped file) ещё не означает, что модель действительно загружена в GPU и активно используется;

задачи, выполняемые исключительно на центральном процессоре (CPU) или нейронном процессоре (NPU), а также облачные вычисления, в сферу охвата данного инструмента не входят.

Утилита gputaskman отображает такие параметры: степень загрузки GPU, потребление видеопамяти, температуру, энергопотребление, тактовые частоты, активность кодировщиков и декодеров, а также интенсивность обмена данными по шине PCIe. При этом все показатели (отображение загрузки GPU, потребления видеопамяти, температуры и энергопотребления) распределены по отдельным процессам.

Также gputaskman обнаруживает запущенные процессы больших языковых моделей (LLM) и предоставляет подробную информацию о самой модели и среде выполнения, в которой она работает. Также отображаются такие параметры, как веса модели, квантование, количество слоев и объем видеопамяти (VRAM), используемый процессом. Таким образом, если пользователь запускает локальные модели ИИ, этот инструмент поможет лучше понять, что именно происходит «под капотом».