Python实现显卡信息查询与画面捕获的完整指南

引言

在深度学习、游戏开发、视频处理等领域，显卡性能直接影响任务执行效率。开发者需要实时监控显卡状态（如显存占用、温度），而获取显卡画面则广泛应用于屏幕录制、游戏自动化测试等场景。本文将系统介绍如何使用Python实现显卡信息查询与画面捕获，覆盖主流操作系统与硬件架构。

一、Python查询显卡信息

1.1 基础方法：使用pynvml库

NVIDIA提供的pynvml（Python绑定NVIDIA管理库）是查询NVIDIA显卡的权威工具。

安装与初始化

pip install nvidia-ml-py3

from pynvml import *
nvmlInit()
# 获取设备数量
device_count = nvmlDeviceGetCount()
print(f"检测到{device_count}块NVIDIA显卡")
# 查询单块显卡信息
handle = nvmlDeviceGetHandleByIndex(0)
name = nvmlDeviceGetName(handle)
memory_info = nvmlDeviceGetMemoryInfo(handle)
temp = nvmlDeviceGetTemperature(handle, NVML_TEMPERATURE_GPU)
print(f"显卡型号: {name.decode()}")
print(f"显存总量: {memory_info.total/1024**2:.2f}MB")
print(f"当前温度: {temp}℃")
nvmlShutdown()

关键功能说明

• 显存监控：memory_info返回包含total、free、used的元组
• 温度监控：支持GPU核心温度、显存温度查询
• 功耗监控：nvmlDeviceGetPowerUsage()返回微瓦级功耗

1.2 跨平台方案：GPUtil库

对于多显卡环境或需要简化代码的场景，GPUtil提供更友好的接口。

import GPUtil
# 获取所有GPU信息
gpus = GPUtil.getGPUs()
for gpu in gpus:
    print(f"""
    ID: {gpu.id}
    名称: {gpu.name}
    温度: {gpu.temperature}℃
    显存占用: {gpu.memoryUsed}MB/{gpu.memoryTotal}MB
    利用率: {gpu.load*100:.1f}%
    """)

1.3 高级监控：结合psutil与pynvml

对于需要同时监控CPU与GPU的场景，可组合使用：

import psutil
from pynvml import *
nvmlInit()
handle = nvmlDeviceGetHandleByIndex(0)
# GPU监控
gpu_mem = nvmlDeviceGetMemoryInfo(handle).used/1024**2
gpu_temp = nvmlDeviceGetTemperature(handle, NVML_TEMPERATURE_GPU)
# CPU监控
cpu_percent = psutil.cpu_percent(interval=1)
mem_info = psutil.virtual_memory()
print(f"GPU显存使用: {gpu_mem:.2f}MB | CPU使用率: {cpu_percent}%")
print(f"GPU温度: {gpu_temp}℃ | 内存使用: {mem_info.used/1024**3:.2f}GB")
nvmlShutdown()

二、Python获取显卡画面

2.1 屏幕捕获基础：mss库

mss（Multiple Screen Shots）是轻量级跨平台屏幕捕获库，支持多显示器环境。

安装与基础捕获

pip install mss

import mss
import mss.tools
with mss.mss() as sct:
    # 获取主显示器尺寸
    monitor = sct.monitors[1]
    # 捕获指定区域
    sct_img = sct.grab(monitor)
    # 保存为图片
    mss.tools.to_png(sct_img.rgb, sct_img.size, output="screenshot.png")

高级用法：实时视频流

结合OpenCV实现实时显示：

import cv2
import numpy as np
import mss
with mss.mss() as sct:
    monitor = {"top": 0, "left": 0, "width": 1920, "height": 1080}
    while True:
        img = sct.grab(monitor)
        frame = np.array(img)
        frame = cv2.cvtColor(frame, cv2.COLOR_BGRA2BGR)
        cv2.imshow("Screen Capture", frame)
        if cv2.waitKey(1) & 0xFF == ord("q"):
            break
cv2.destroyAllWindows()

2.2 DirectX画面捕获（Windows专属）

对于需要捕获特定应用（如游戏）画面的场景，可使用win32gui+win32ui组合：

import win32gui
import win32ui
import win32con
import numpy as np
def capture_window(hwnd):
    # 获取窗口位置与尺寸
    left, top, right, bot = win32gui.GetWindowRect(hwnd)
    width = right - left
    height = bot - top
    # 创建设备上下文
    hwindow = win32ui.CreateWindowFromHandle(hwnd)
    hwindowDC = hwindow.GetDC()
    srcDC = hwindowDC.CreateCompatibleDC()
    # 创建位图对象
    bmp = win32ui.CreateBitmap()
    bmp.CreateCompatibleBitmap(hwindowDC, width, height)
    srcDC.SelectObject(bmp)
    # 复制屏幕到内存设备上下文
    srcDC.BitBlt((0, 0), (width, height), hwindowDC, (0, 0), win32con.SRCCOPY)
    # 转换为numpy数组
    bmpinfo = bmp.GetInfo()
    bmpstr = bmp.GetBitmapBits(True)
    im = np.frombuffer(bmpstr, dtype='uint8')
    im.shape = (height, width, 4)  # RGBA格式
    # 释放资源
    win32gui.DeleteObject(bmp.GetHandle())
    srcDC.DeleteDC()
    hwindowDC.DeleteDC()
    return im
# 示例：捕获记事本窗口
notepad = win32gui.FindWindow("Notepad", None)
if notepad:
    screenshot = capture_window(notepad)
    # 此处可添加保存或处理逻辑
else:
    print("未找到记事本窗口")

2.3 OpenGL画面捕获（跨平台方案）

对于使用OpenGL渲染的应用，可通过glReadPixels实现：

from OpenGL.GL import *
from OpenGL.GLUT import *
import numpy as np
import cv2
def capture_gl_screen(width, height):
    # 创建像素缓冲区
    pixels = glReadPixels(0, 0, width, height, GL_RGB, GL_UNSIGNED_BYTE)
    # 转换为numpy数组
    img = np.frombuffer(pixels, dtype=np.uint8)
    img = img.reshape((height, width, 3))
    # 垂直翻转（OpenGL原点在左下）
    img = np.flip(img, axis=0)
    return img
# 初始化OpenGL上下文（需配合GLUT使用）
def init_gl():
    glutInit()
    glutInitDisplayMode(GLUT_DOUBLE | GLUT_RGB)
    glutInitWindowSize(800, 600)
    glutCreateWindow(b"OpenGL Capture")
    # 此处应添加OpenGL初始化代码
    pass
# 示例使用（需在渲染循环中调用）
# init_gl()
# while True:
#     # ...OpenGL渲染代码...
#     frame = capture_gl_screen(800, 600)
#     cv2.imshow("OpenGL Capture", frame)
#     if cv2.waitKey(1) == ord("q"):
#         break

三、实用建议与性能优化

3.1 监控频率控制

• GPU监控：建议每秒1-2次，避免影响性能
• 屏幕捕获：游戏画面建议30-60FPS，办公场景可降低至5-10FPS

3.2 多线程处理

import threading
import queue
import time
class GPUMonitor:
    def __init__(self):
        self.queue = queue.Queue()
        self.running = True
    def monitor_loop(self):
        from pynvml import *
        nvmlInit()
        while self.running:
            handle = nvmlDeviceGetHandleByIndex(0)
            mem = nvmlDeviceGetMemoryInfo(handle).used/1024**2
            self.queue.put(mem)
            time.sleep(1)
        nvmlShutdown()
    def start(self):
        thread = threading.Thread(target=self.monitor_loop)
        thread.daemon = True
        thread.start()
    def stop(self):
        self.running = False
# 使用示例
monitor = GPUMonitor()
monitor.start()
while True:
    try:
        mem_usage = monitor.queue.get(timeout=0.1)
        print(f"当前显存使用: {mem_usage:.2f}MB")
    except queue.Empty:
        pass
    time.sleep(0.5)

3.3 异常处理机制

try:
    from pynvml import *
    nvmlInit()
    handle = nvmlDeviceGetHandleByIndex(0)
    # ...监控代码...
except NVMLError as e:
    print(f"NVML错误: {e}")
except Exception as e:
    print(f"未知错误: {e}")
finally:
    try:
        nvmlShutdown()
    except:
        pass

四、典型应用场景

1. 深度学习训练监控：实时显示显存占用与温度，防止OOM错误
2. 游戏自动化测试：捕获游戏画面进行图像识别
3. 远程桌面管理：获取远程主机显卡画面进行故障诊断
4. 视频处理流水线：监控GPU编码/解码负载

结论

Python通过pynvml、mss等库提供了强大的显卡信息查询与画面捕获能力。开发者应根据具体需求选择合适方案：对于NVIDIA显卡监控，pynvml是首选；跨平台屏幕捕获推荐mss；游戏画面捕获可考虑DirectX或OpenGL方案。结合多线程与异常处理机制，可构建稳定高效的监控系统。