一、为什么需要查看电脑显存？

显存（Video RAM，VRAM）是显卡核心组件，直接影响图形处理能力。对于开发者而言，显存容量决定了能否运行大型3D模型或深度学习任务；对于普通用户，显存不足可能导致游戏卡顿或视频编辑崩溃。理解显存状态是优化系统性能、排查图形相关问题的第一步。

典型场景：

• 游戏开发者：需确认目标用户显卡显存是否满足最低配置要求。
• 深度学习工程师：训练模型时需监控显存占用，避免OOM（内存不足）错误。
• 系统管理员：批量部署机器时需验证硬件规格是否符合标准。
• 普通用户：升级显卡或调整游戏画质前需了解当前显存容量。

二、系统级工具查看显存

1. Windows系统

方法一：任务管理器

• 快捷键 Ctrl+Shift+Esc 打开任务管理器，切换至“性能”选项卡。
• 左侧选择“GPU”，右侧显示“专用GPU内存”（显存）和“共享GPU内存”（系统内存分配）。
• 优势：无需安装额外软件，实时显示占用率。
• 局限：仅显示总量，不区分多GPU。

方法二：DXDiag工具

• 按下 Win+R，输入 dxdiag 回车。
• 切换至“显示”选项卡，查看“近似总内存”字段。
• 适用场景：需要快速获取显卡基础信息时。

方法三：PowerShell命令

Get-CimInstance Win32_VideoController | Select-Object Name, AdapterRAM
# AdapterRAM单位为字节，需手动转换为GB
$vramGB = [math]::Round((Get-CimInstance Win32_VideoController).AdapterRAM / 1GB, 2)
Write-Host "显存容量: $vramGB GB"

• 优势：可批量处理多台机器，适合自动化脚本。

2. Linux系统

方法一：lspci + lshw

sudo lspci | grep -i vga  # 确认显卡型号
sudo lshw -C video | grep -i memory  # 显示显存信息

• 输出示例：

  configuration: driver=nvidia latency=0
    resources: iomemory:600-5ff iomemory:620-61f irq:125 memory:a3000000-a3ffffff memory:800000000-8fffffff memory:900000000-91fffffff

  需解析 memory 字段范围计算容量。

方法二：nvidia-smi（NVIDIA显卡专用）

nvidia-smi --query-gpu=memory.total --format=csv
# 输出示例：
# memory.total [MiB]
# 8192

• 优势：精确到MiB，支持多GPU查询。

三、GPU厂商软件工具

1. NVIDIA控制面板

• 右键桌面选择“NVIDIA控制面板” → “系统信息” → “组件”选项卡。
• 显示“专用视频内存”和“系统视频内存”。
• 适用场景：需要调整GPU全局设置时顺手查看。

2. AMD Radeon Software

• 打开软件后切换至“性能” → “指标”选项卡。
• 实时显示显存使用量、占用率曲线。
• 高级功能：可设置显存使用预警阈值。

3. Intel Graphics Command Center

• 适用于集成显卡，提供显存分配调节功能。
• 在“系统” → “显示”中查看“专用视频内存”。

四、编程接口查询显存

1. DirectX API（Windows）

#include <d3d11.h>
#include <iostream>
void CheckVRAM() {
    IDXGIFactory* pFactory;
    CreateDXGIFactory(__uuidof(IDXGIFactory), (void**)&pFactory);
    IDXGIAdapter* pAdapter;
    pFactory->EnumAdapters(0, &pAdapter);
    DXGI_ADAPTER_DESC desc;
    pAdapter->GetDesc(&desc);
    std::cout << "显存容量: " << desc.DedicatedVideoMemory / (1024 * 1024) << " MB" << std::endl;
    pAdapter->Release();
    pFactory->Release();
}

• 关键点：需链接 dxgi.lib 和 d3d11.lib，适用于游戏开发场景。

2. OpenGL扩展（跨平台）

#include <GL/glew.h>
#include <iostream>
void PrintGPUInfo() {
    GLint totalMemKB = 0;
    #ifdef _WIN32
    glGetIntegerv(GL_GPU_MEMORY_INFO_DEDICATED_VIDMEM_NVX, &totalMemKB);
    #elif __linux__
    // Linux下需通过GLX_NVX_gpu_memory_info扩展
    #endif
    std::cout << "显存容量: " << totalMemKB / 1024 << " MB" << std::endl;
}

• 注意：需显卡驱动支持特定扩展，NVIDIA显卡兼容性较好。

3. CUDA API（NVIDIA专用）

#include <cuda_runtime.h>
#include <iostream>
void CheckCUDAMemory() {
    int deviceCount;
    cudaGetDeviceCount(&deviceCount);
    for (int i = 0; i < deviceCount; i++) {
        cudaDeviceProp prop;
        cudaGetDeviceProperties(&prop, i);
        std::cout << "GPU " << i << ": " << prop.totalGlobalMem / (1024 * 1024) << " MB" << std::endl;
    }
}

• 优势：深度学习框架底层常用此接口，数据精确到字节。

五、命令行工具深度解析

1. GPU-Z（Windows）

• 下载后运行，在“Graphics Card”选项卡显示：
  • Memory Size：总显存容量
  • Current Usage：实时占用率
  • Memory Type：GDDR5/GDDR6等类型
• 导出功能：支持生成日志文件，便于长期监控。

2. Radeontop（Linux）

sudo radeontop -v
# 输出示例：
# GPU 0: 8192 MB VRAM, 12% used (983 MB)

• 特点：轻量级工具，支持终端实时刷新。

六、常见问题与解决方案

1. 显示容量与规格不符

   • 原因：驱动未正确识别，或集成显卡共享内存导致。
   • 解决：更新驱动，在BIOS中调整集成显卡显存分配。

2. 多GPU环境查询混乱

   • 案例：服务器搭载4块GPU，脚本返回错误设备ID。
   • 解决：使用 nvidia-smi -L 列出设备UUID，在查询时指定。

3. 虚拟化环境限制

   • 现象：云服务器显存显示为0。
   • 原因：vGPU配置未透传显存信息。
   • 解决：联系云服务商确认vGPU规格。

七、最佳实践建议

1. 自动化监控脚本
   ```bash

   !/bin/bash

   NVIDIA显卡监控脚本

   LOG_FILE=”/var/log/gpu_monitor.log”
   TIMESTAMP=$(date “+%Y-%m-%d %H:%M:%S”)

while true; do
MEM_USED=$(nvidia-smi —query-gpu=memory.used —format=csv,noheader | awk ‘{print $1}’)
MEM_TOTAL=$(nvidia-smi —query-gpu=memory.total —format=csv,noheader | awk ‘{print $1}’)
echo “[$TIMESTAMP] 显存使用: ${MEM_USED}MiB / ${MEM_TOTAL}MiB” >> $LOG_FILE
sleep 60
done

- 部署为cron任务，定期记录显存使用情况。
2. **开发环境配置检查**
   - 在CMake中添加显存检测逻辑：
```cmake
find_package(CUDA REQUIRED)
if(CUDA_FOUND)
    message(STATUS "检测到NVIDIA GPU，显存容量: ${CUDA_TOTAL_MEMORY} MB")
else()
    message(WARNING "未检测到CUDA设备，将使用CPU模式")
endif()

1. 用户教育
   • 在软件安装向导中增加显存检测环节，若不足则提示用户降低画质设置。

八、未来趋势

随着光线追踪、AI超分辨率等技术的普及，显存需求呈指数级增长。开发者需关注：

• 显存压缩技术：如NVIDIA的DLSS 3.5光线重建
• 统一内存架构：苹果M系列芯片的共享内存池
• 云GPU服务：按需分配显存的弹性计算模式

掌握显存查询技能不仅是当前需求，更是适应未来图形计算演进的基础能力。通过本文介绍的多种方法，读者可构建从硬件层到应用层的完整监控体系，为性能优化提供数据支撑。