Linux GPU测试工具对应版本

Linux GPU测试工具对应版本 | AI生成和翻译

首页 2026.07

问题：有哪些类似 FurMark、GPU-Z、3DMark 的 Linux GPU 测试工具？Linux 下的对应工具有哪些？

答案：

在 Windows 系统上，人们通常使用：

GPU-Z → 硬件信息/监控
FurMark → 极限 GPU 压力测试（”烧机”）
3DMark → 游戏性能基准测试
OCCT → 稳定性 + 电源测试

Linux 有对应的工具，但生态相对分散。

1. GPU 信息工具（GPU-Z 对应）

`nvidia-smi`（NVIDIA）

适用于 RTX 3090 / 4070 / A100 等显卡：

nvidia-smi

示例输出：

+-----------------------------------------------------------------------------+
| NVIDIA-SMI 575.xx       Driver Version: 575.xx      CUDA Version: 12.x      |
| GPU  Name        Memory-Usage  Temp  Power |
| RTX 3090         10000MiB     70C   320W |
+-----------------------------------------------------------------------------+

持续监控：

watch -n 1 nvidia-smi

更详细信息：

nvidia-smi -q

对应 GPU-Z 的功能：

显存使用率
温度
功耗
频率
PCIe 链路
ECC 错误（专业卡）

`nvtop`（Linux 下的 GPU 版 htop）

安装方法：

Ubuntu 系统：

sudo apt install nvtop

运行：

nvtop

界面类似：

GPU  RTX 3090
利用率：99%
显存：23GB/24GB
温度：72C
功耗：350W

支持：

NVIDIA
AMD
Intel

对 AI 工作负载非常实用。

2. FurMark 对应工具（GPU 压力测试）

FurMark 的核心功能是：

“最大化 GPU 着色器负载 + 热量输出”

Linux 下的选择：

GPU Burn（最接近 FurMark）

适用于 NVIDIA 显卡：

https://github.com/wilicc/gpu-burn

编译：

git clone https://github.com/wilicc/gpu-burn
cd gpu-burn
make

运行：

./gpu_burn 600

含义：

600 秒压力测试。

示例输出：

GPU 0：RTX 3090
时间：600 秒
性能：35000 Gflop/s

测试期间：

watch nvidia-smi

你可以检查：

温度
功耗稳定性
是否崩溃
驱动是否重置

对于从闲鱼购买的二手 RTX 3090，这是我优先运行的首批测试之一。

`stress-ng`

CPU/GPU 压力测试：

sudo apt install stress-ng

stress-ng --gpu 1 --timeout 10m

针对性不如 GPU Burn 强。

3. 3DMark 对应工具

3DMark 测量游戏性能：

DirectX
光线追踪
光栅化
FPS

Linux 没有官方版 3DMark。

替代方案：

Unigine Heaven

经典的 Linux GPU 基准测试。

Unigine Heaven Benchmark

示例：

./heaven

测量：

FPS
GPU 负载
稳定性

适用于对比：

RTX 3090 与 RX 7900 XT。

Unigine Superposition

更现代的版本：

Unigine Superposition Benchmark

测试：

Vulkan
OpenGL
高负载场景

Phoronix Test Suite

Linux 基准测试框架：

Phoronix Test Suite

安装：

sudo apt install phoronix-test-suite

示例：

phoronix-test-suite benchmark unigine-superposition

可以测试：

GPU
CPU
内存
存储

4. AI 工作负载 GPU 测试（对你可能更相关）

由于你的使用场景是 LLM 训练/推理，游戏基准测试意义不大。

我会测试：

CUDA 带宽

nvidia-smi --query-gpu=memory.total,memory.free --format=csv

PyTorch CUDA 测试

import torch

print(torch.cuda.get_device_name())

x=torch.randn(
    (10000,10000),
    device="cuda"
)

for i in range(100):
    y=x@x

print("OK")

这会测试：

CUDA 核心
显存
内存控制器

LLM 推理测试

示例：

python -m vllm.entrypoints.openai.api_server \
 --model Qwen/Qwen3-30B \
 --tensor-parallel-size 2

然后测量：

tokens/秒
显存使用量
稳定性

对于你 2 张 3090 的方案，这比 FurMark 有意义得多。

二手 GPU 检查流程（RTX 3090 / 7900 XT）

如果是购买二手显卡：

第 1 步：确认身份

NVIDIA：

nvidia-smi

AMD：

rocminfo

第 2 步：压力测试

./gpu_burn 600

监控：

nvtop

检查：

温度 < 85°C
驱动无崩溃
功耗稳定

第 3 步：显存测试

NVIDIA：

gpu-burn

或：

memtest_vulkan

显存问题在二手矿卡上很常见。

第 4 步：实际 AI 工作负载

运行：

llama.cpp

或：

vllm

加载大模型直到显存接近占满。

对于你的情况（购买二手 RTX 3090 / RX 7900 XT 用于 AI），我的优先级是：

nvidia-smi / nvtop → 识别显卡
gpu-burn 10分钟 → 散热 + 功耗
显存压力测试 → 内存健康状况
LLM 推理 → 实际 AI 稳定性

FurMark/3DMark 更适合玩家；AI 用户更关注显存正确性 + CUDA/ROCm 在长张量工作负载下的稳定性。

返回捐助