windows下用nvml读gpu利用率需安装驱动并手动获取nvidia-ml.h和nvidia-ml.lib，链接并加载nvidia-ml.dll；util.gpu为0–100整数百分比，但仅为瞬时采样值，且多gpu需避免硬编码索引，务必检查初始化返回值并调用nvmlshutdown。
Windows下用NVML读GPU利用率，得先装驱动和头文件
NVIDIA官方只提供动态库nvidia-ml.dll，不自带头文件。你直接#include nvidia-ml.h和libnvidia-ml.so（Linux）或nvidia-ml.lib（Windows）拷出来。
常见错误现象：LNK2019: unresolved external symbol nvmlInit_v2，本质是没链接nvidia-ml.lib，或者运行时找不到nvidia-ml.dll（它通常在C:\Windows\System32，但旧驱动可能没放进去）。
- 确保显卡驱动版本 ≥ 450.80.02（NVML v11起才稳定支持利用率查询）
- Windows上用
LoadLibrary(L"nvidia-ml.dll")手动加载比静态链接更容错，避免启动失败 - 初始化后务必检查
nvmlInit_v2()返回值，不是NVML_SUCCESS就别往下走
nvmlDeviceGetUtilizationRates返回的数值不是百分比？
它返回的是nvmlUtilization_t结构体，其中gpu字段是0–100的整数，单位就是%——但注意：这是瞬时采样值，不是平均值，且采样间隔由驱动控制（通常约1秒），不能靠反复调用来“平滑”。
容易踩的坑：
立即学习“C++免费学习笔记（深入）”；
- 把
util->memory误当GPU使用率（它是显存带宽利用率，和计算单元负载无关） - 在多GPU机器上调
nvmlDeviceGetHandleByIndex(0)硬编码索引，结果读到的是集成显卡或被禁用的卡 - 忘记调用
nvmlShutdown()，导致后续进程初始化失败（NVML不允许多次init）
示例关键片段：
nvmlReturn_t ret = nvmlDeviceGetUtilizationRates(device, &util);
if (ret == NVML_SUCCESS) {
printf("GPU utilization: %u%%\n", util.gpu); // 注意：util.gpu是uint32_t，直接%d可能出错
}ADL SDK基本没法可靠读GPU利用率
AMD的ADL（AMD Display Library）早已停止维护，新版Radeon驱动（Adrenalin 22.5.1+）默认不安装ADL组件。即使你找到ADLManager_Init，调用ADL_Overdrive5_CurrentActivity_Get也大概率返回ADL_ERR。
使用场景限制极死：
- 仅支持GCN架构（RX 400/500系列及更早），RDNA/RDNA2（RX 6000）和RDNA3（RX 7000）完全不支持
- 必须以管理员权限运行，否则
ADL_Overdrive_Caps都拿不到 - Windows 11 22H2+系统上，ADL初始化常卡在
ADL_Adapter_Active_Get，无错误也无返回
参数差异上，ADL返回的是ADLPMActivity结构体，其中iGPUCoreClock和iGPUTemperature还能用，但iUsage字段在新卡上恒为-1。
跨平台方案别硬刚SDK，优先查/proc或WMI
Linux上最稳的方式其实是读/proc/driver/nvidia/gpus/0000:01:00.0/information和/proc/driver/nvidia/statistics（需root），或者用nvidia-smi --query-gpu=utilization.gpu --format=csv,noheader,nounits管道解析——虽然慢一点，但不依赖SDK版本，也不怕NVML初始化失败。
Windows上可绕过NVML，改用WMI查询：Win32_PerfFormattedData_Counters_GPUInformation类（Win10 2004+），但要注意：
- 该WMI类只在NVIDIA驱动启用“GPU Performance Counters”时才生效（注册表键
HKEY_LOCAL_MACHINE\SYSTEM\CurrentControlSet\Services\nvlddmkm\Parameters\EnablePerfCounter设为1） - 返回值是
GPUUtilization属性，类型为uint32，但单位是“千分比”（即567 = 56.7%），不是NVML那种整数百分比
性能影响方面：NVML调用本身开销很小（微秒级），但频繁调用（如每10ms一次）会触发驱动内部锁竞争，反而拖慢GPU任务；WMI或nvidia-smi则每次都要启新进程，100ms内调太密会导致延迟堆积。
真实复杂点在于：GPU利用率本身没有单一权威定义。NVML的gpu字段是SM（流式多处理器）活跃周期占比，而游戏引擎或CUDA profiler看到的“占用率”可能是指令吞吐、寄存器压力或内存带宽饱和度——它们数值经常对不上。别把它当CPU usage那样理解。
