{"id":2083,"date":"2026-08-03T02:45:07","date_gmt":"2026-08-03T02:45:07","guid":{"rendered":"https:\/\/convly.ai\/?p=2083"},"modified":"2026-08-03T02:45:07","modified_gmt":"2026-08-03T02:45:07","slug":"how-to-check-vram-2026","status":"publish","type":"post","link":"https:\/\/convly.ai\/it\/how-to-check-vram-2026\/","title":{"rendered":"Come verificare la VRAM su Windows, macOS e Linux"},"content":{"rendered":"<div class=\"convly-tldr\">\n<ul>\n<li><strong>Windows:<\/strong> premi <strong>Ctrl+Shift+Esc<\/strong> \u2192 <strong>Prestazioni<\/strong> \u2192 <strong>GPU<\/strong> e leggi <em>Memoria GPU dedicata<\/em>. Sulle schede NVIDIA, esegui <code>nvidia-smi<\/code> in un terminale per ottenere il valore esatto pi\u00f9 l\u2019utilizzo in tempo reale.<\/li>\n<li><strong>macOS:<\/strong> Menu Apple \u2192 <strong>Informazioni su questo Mac<\/strong>. Su Apple Silicon, il valore indicato come \u00abMemoria\u00bb corrisponde alla memoria unificata condivisa tra CPU e GPU: non esiste una VRAM separata.<\/li>\n<li><strong>Linux:<\/strong> <code>nvidia-smi<\/code> (NVIDIA), <code>rocm-smi --showmeminfo vram<\/code> (AMD) oppure <code>glxinfo -B<\/code> con i driver Mesa.<\/li>\n<li>Solo <em>dedicata<\/em> la VRAM determina quali modelli possono essere eseguiti. Inserisci il tuo valore nel <a href=\"https:\/\/convly.ai\/it\/llm-vram-calculator\/\">Calcolatore VRAM<\/a> per scoprire quali modelli puoi far girare.<\/li>\n<\/ul>\n<\/div>\n<p>Come verificare la VRAM, in una riga per piattaforma: su Windows, premi <strong>Ctrl+Shift+Esc<\/strong>, apri la scheda <strong>Prestazioni<\/strong> Seleziona la tua GPU e leggi <em>Memoria GPU dedicata<\/em>; su macOS, apri il menu Apple \u2192 <strong>Informazioni su questo Mac<\/strong>; su Linux, esegui <code>nvidia-smi<\/code> per NVIDIA o <code>rocm-smi<\/code> for AMD. Below is each method in detail \u2014 plus what the numbers actually mean when you are deciding whether a local LLM will fit.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_85 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a704da6abf55\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Attiva\/Disattiva<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a704da6abf55\"  aria-label=\"Attiva\/Disattiva\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/it\/how-to-check-vram-2026\/#How_to_Check_VRAM_on_Windows\" >Come verificare la VRAM su Windows<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/it\/how-to-check-vram-2026\/#How_to_Check_VRAM_on_macOS\" >Come verificare la VRAM su macOS<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/it\/how-to-check-vram-2026\/#How_to_Check_VRAM_on_Linux\" >Come verificare la VRAM su Linux<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/it\/how-to-check-vram-2026\/#Total_vs_Free_vs_Shared_What_the_Numbers_Mean\" >Totale vs. Libera vs. Condivisa: cosa significano questi valori<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/it\/how-to-check-vram-2026\/#How_Much_VRAM_Do_You_Actually_Need\" >Di quanta VRAM hai realmente bisogno?<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/it\/how-to-check-vram-2026\/#Frequently_Asked_Questions\" >Domande frequenti<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"How_to_Check_VRAM_on_Windows\"><\/span>Come verificare la VRAM su Windows<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Gestione attivit\u00e0 \u2014 il metodo pi\u00f9 rapido<\/h3>\n<ol>\n<li>Premi <strong>Ctrl+Shift+Esc<\/strong> per aprire la Gestione attivit\u00e0.<\/li>\n<li>Vai alla scheda <strong>Prestazioni<\/strong> Prestazioni (su Windows 10, fai prima clic su <em>Altri dettagli<\/em> se visualizzi la vista compatta).<\/li>\n<li>Fai clic su <strong>GPU 0<\/strong> nella barra laterale sinistra. I laptop dotati sia di GPU integrata che discreta mostreranno inoltre <strong>GPU 1<\/strong> \u2014 la scheda discreta \u00e8 solitamente GPU 1.<\/li>\n<li>Leggi <strong>Memoria GPU dedicata<\/strong> nell\u2019angolo in basso a destra. Questo valore rappresenta la VRAM fisica, indicata come utilizzata\/totale (ad esempio, 2,1\/24,0 GB).<\/li>\n<\/ol>\n<p>Ignora la voce <em>Memoria GPU<\/em> : essa somma alla memoria dedicata la <em>Memoria GPU condivisa<\/em> (RAM di sistema che la GPU pu\u00f2 utilizzare temporaneamente), facendo apparire una scheda da 8 GB come se fosse da 24 GB. Approfondiremo questa distinzione pi\u00f9 avanti.<\/p>\n<h3>dxdiag<\/h3>\n<p>Premi <strong>Win+R<\/strong>, digita <code>dxdiag<\/code>, premi Invio, quindi apri la scheda <strong>Visualizzazione<\/strong> Schermo. Il campo <em>Memoria video (VRAM)<\/em> mostra il valore riportato da DirectX. Attenzione: a seconda del driver, dxdiag talvolta include nella cifra anche la memoria di sistema condivisa, rendendo il valore superiore alla VRAM reale della scheda. Considera pertanto la cifra dedicata fornita dalla Gestione attivit\u00e0 o <code>nvidia-smi<\/code> come fonte attendibile.<\/p>\n<h3>Impostazioni \u2192 Visualizzazione \u2192 Visualizzazione avanzata<\/h3>\n<p>Apri <strong>Impostazioni \u2192 Sistema \u2192 Visualizzazione \u2192 Visualizzazione avanzata<\/strong>, quindi fai clic su <strong>Propriet\u00e0 adattatore video per Display 1<\/strong>. Nella scheda Adattatore viene indicata la <em>Memoria video dedicata<\/em> in MB. La formulazione esatta varia leggermente tra Windows 10 e Windows 11, ma il percorso rimane identico.<\/p>\n<h3>nvidia-smi \u2014 il valore esatto<\/h3>\n<p>Se disponi di una GPU NVIDIA, il driver installa uno strumento da riga di comando che riporta la memoria in mebibyte. Apri PowerShell o Prompt dei comandi ed esegui:<\/p>\n<pre><code>nvidia-smi<\/code><\/pre>\n<p>La colonna Memoria mostra l\u2019utilizzo corrente rispetto al totale effettivo \u2014 ad esempio <code>3216 MiB \/ 24564 MiB<\/code> su una RTX 4090 \u2014 mentre l\u2019elenco dei processi in fondo indica quali programmi stanno occupando memoria. Per un output pulito e leggibile automaticamente:<\/p>\n<pre><code>nvidia-smi --query-gpu=memory.total,memory.used,memory.free --format=csv<\/code><\/pre>\n<p>Se il comando non viene trovato, nelle versioni recenti dei driver \u00e8 ubicato in <code>C:\\Windows\\System32\\nvidia-smi.exe<\/code>; nelle versioni precedenti era invece in <code>C:\\Program Files\\NVIDIA Corporation\\NVSMI<\/code>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_to_Check_VRAM_on_macOS\"><\/span>Come verificare la VRAM su macOS<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Fai clic sul menu Apple \u2192 <strong>Informazioni su questo Mac<\/strong>.<\/p>\n<ul>\n<li><strong>Apple Silicon (M1 e successivi):<\/strong> vedrai un nome del chip e un valore come 16 GB, 36 GB o 128 GB. Si tratta di <em>Memoria<\/em> memoria unificata <strong>memoria unificata<\/strong> \u2014 un singolo pool condiviso tra CPU e GPU. Non esiste un valore separato per la VRAM perch\u00e9 non esiste una VRAM fisicamente distinta.<\/li>\n<li><strong>Mac Intel:<\/strong> Le GPU discrete sono elencate con una cifra specifica di VRAM dedicata, ad esempio \u00abRadeon Pro 5500M 8 GB\u00bb.<\/li>\n<\/ul>\n<p>Per maggiori dettagli, apri <strong>Informazioni su questo Mac \u2192 Ulteriori informazioni \u2192 Rapporto sistema<\/strong> e seleziona <strong>Grafica\/Display<\/strong>, oppure esegui questo comando nel Terminale:<\/p>\n<pre><code>system_profiler SPDisplaysDataType<\/code><\/pre>\n<p>Sui Mac Intel viene visualizzata una riga <code>VRAM (Totale)<\/code> ; sui Mac Apple Silicon viene invece indicato il chip e il numero di core della GPU.<\/p>\n<h3>Perch\u00e9 la memoria unificata modifica i calcoli<\/h3>\n<p>Su Apple Silicon la GPU pu\u00f2 accedere alla maggior parte \u2014 ma non a tutta \u2014 la memoria di sistema. macOS ne riserva una porzione per s\u00e9 stessa e, per impostazione predefinita, il limite del working-set della GPU corrisponde approssimativamente ai due terzi\u2013tre quarti della RAM totale; il valore esatto varia in base alla capacit\u00e0 della RAM e alla versione di macOS. In pratica, un MacBook Pro da 36 GB pu\u00f2 caricare modelli che su un PC richiederebbero una GPU discreta da 24 GB. Gli strumenti per LLM locali mostrano direttamente il limite utilizzabile \u2014 consulta la <a href=\"https:\/\/convly.ai\/it\/lm-studio-complete-guide-2026\/\">guida a LM Studio<\/a> e il <a href=\"https:\/\/convly.ai\/it\/what-is-ollama-complete-guide-2026\/\">Guida a Ollama<\/a> per sapere come ciascuno di essi lo riporta. Il compromesso \u00e8 rappresentato dalla larghezza di banda della memoria, che varia notevolmente tra i chip base, Pro, Max e Ultra e influisce direttamente sui token al secondo.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_to_Check_VRAM_on_Linux\"><\/span>Come verificare la VRAM su Linux<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>NVIDIA: nvidia-smi<\/h3>\n<p>Installato insieme al driver proprietario. Esegui <code>nvidia-smi<\/code> per ottenere un'istantanea, oppure aggiorna ogni secondo durante il caricamento di un modello:<\/p>\n<pre><code>nvidia-smi -l 1<\/code><\/pre>\n<h3>AMD: rocm-smi o sysfs<\/h3>\n<p>Con lo stack ROCm installato:<\/p>\n<pre><code>rocm-smi --showmeminfo vram<\/code><\/pre>\n<p>Senza ROCm, il driver kernel <code>amdgpu<\/code> espone direttamente la memoria totale (in byte; la tua scheda potrebbe essere denominata <code>card1<\/code> \u2014 verifica con <code>ls \/sys\/class\/drm\/<\/code>):<\/p>\n<pre><code>cat \/sys\/class\/drm\/card0\/device\/mem_info_vram_total<\/code><\/pre>\n<h3>Qualsiasi GPU: glxinfo<\/h3>\n<p>Installa <code>mesa-utils<\/code> (Debian\/Ubuntu) o <code>glx-utils<\/code> (Fedora), quindi esegui:<\/p>\n<pre><code>glxinfo -B | grep -i memory<\/code><\/pre>\n<p>I driver Mesa stampano una riga simile a <code>Memoria video: 8192 MB<\/code>; l\u2019etichetta esatta varia in base al driver.<\/p>\n<h3>lspci \u2014 identifica la scheda, non la VRAM<\/h3>\n<pre><code>lspci | grep -iE 'vga|3d'<\/code><\/pre>\n<p><code>sudo lspci -v -s &lt;slot&gt;<\/code> mostra quindi le aperture di memoria della scheda, ma fai attenzione: si tratta delle dimensioni delle BAR PCI, che corrispondono alla VRAM totale solo se \u00e8 abilitata la funzione Resizable BAR. Usa <code>lspci<\/code> per identificare esattamente il modello della GPU, quindi ottieni la cifra relativa alla memoria dagli strumenti sopra indicati o dal foglio tecnico della scheda.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Total_vs_Free_vs_Shared_What_the_Numbers_Mean\"><\/span>Totale vs. Libera vs. Condivisa: cosa significano questi valori<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<table>\n<thead>\n<tr>\n<th>Valore<\/th>\n<th>Dove lo trovi<\/th>\n<th>Cosa significa per gli LLM<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>VRAM dedicata (totale)<\/td>\n<td>Memoria GPU dedicata nel Task Manager; <code>nvidia-smi<\/code> totale<\/td>\n<td>Memoria fisica presente sulla scheda. Costituisce il budget massimo fisso per i pesi del modello.<\/td>\n<\/tr>\n<tr>\n<td>VRAM libera<\/td>\n<td><code>nvidia-smi<\/code> <code>memory.free<\/code><\/td>\n<td>Quanto \u00e8 disponibile in questo momento. Desktop, schede del browser e altre applicazioni occupano tipicamente da 0,5 a 2 GB.<\/td>\n<\/tr>\n<tr>\n<td>Memoria GPU condivisa<\/td>\n<td>Memoria GPU condivisa nel Task Manager<\/td>\n<td>RAM di sistema (fino a circa met\u00e0) nella quale la GPU pu\u00f2 spillare dati tramite PCIe. \u00c8 molto pi\u00f9 lenta della VRAM \u2014 non considerarla mai nel calcolo della dimensione di un modello.<\/td>\n<\/tr>\n<tr>\n<td>Memoria unificata (Apple Silicon)<\/td>\n<td>\u00abMemoria\u00bb nelle Informazioni su questo Mac<\/td>\n<td>Un unico pool condiviso tra CPU e GPU. La GPU pu\u00f2 utilizzarne la maggior parte, comportandosi quindi come un ampio pool di VRAM con larghezza di banda dipendente dal chip.<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>Durante il caricamento di un modello, ci\u00f2 che conta \u00e8 la VRAM <em>libera<\/em> e non quella totale. Una scheda da 12 GB con gi\u00e0 1,5 GB occupati dal compositor e da un browser dispone di circa 10,5 GB utilizzabili \u2014 quantit\u00e0 insufficiente per caricare un modello che \u00abdovrebbe entrare\u00bb. Su NVIDIA, l\u2019elenco per processo in fondo all\u2019output di <code>nvidia-smi<\/code> indica esattamente quali processi chiudere.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_Much_VRAM_Do_You_Actually_Need\"><\/span>Di quanta VRAM hai realmente bisogno?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La domanda dietro la domanda. Con la quantizzazione a 4 bit \u2014 lo standard per l'inferenza locale \u2014 i pesi del modello occupano circa 0,5\u20130,6 GB per miliardo di parametri, pi\u00f9 una cache KV che cresce con la lunghezza del contesto. Guida approssimativa:<\/p>\n<table>\n<thead>\n<tr>\n<th>Dimensione del modello<\/th>\n<th>Pesi a 4 bit (approssimativi)<\/th>\n<th>VRAM necessaria per un funzionamento agevole<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>7\u20138 miliardi<\/td>\n<td>4\u20135 GB<\/td>\n<td>6\u20138 GB<\/td>\n<\/tr>\n<tr>\n<td>12\u201314 miliardi<\/td>\n<td>7\u20139 GB<\/td>\n<td>10\u201312 GB<\/td>\n<\/tr>\n<tr>\n<td>24\u201332 miliardi<\/td>\n<td>13\u201319 GB<\/td>\n<td>16\u201324 GB<\/td>\n<\/tr>\n<tr>\n<td>70 miliardi<\/td>\n<td>36\u201342 GB<\/td>\n<td>48 GB, oppure suddivisi su due GPU<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<p>La colonna \u00abagevole\u00bb presuppone un contesto moderato (4k\u20138k token); contesti molto lunghi aggiungono diversi gigabyte di cache KV in aggiunta. Per valori specifici per ciascun modello, consulta la <a href=\"https:\/\/convly.ai\/it\/vram-requirements-every-major-llm-2026\/\">tabella dei requisiti di VRAM per ogni LLM principale<\/a> oppure esplora la <a href=\"https:\/\/convly.ai\/it\/models\/\">database di modelli<\/a>. Per calcolare con precisione i requisiti di VRAM in base al tuo modello specifico, alla quantizzazione e alla lunghezza del contesto, utilizza il <a href=\"https:\/\/convly.ai\/it\/llm-vram-calculator\/\">Calcolatore VRAM<\/a>. Se la tua scheda grafica non dispone di sufficiente VRAM, la <a href=\"https:\/\/convly.ai\/it\/best-gpus-for-local-llms-2026\/\">le migliori GPU per LLM locali<\/a> guida alle opzioni di aggiornamento ordinate per VRAM ottenuta a dollaro speso \u2014 e, qualora un nuovo GPU non risulti economicamente conveniente, la <a href=\"https:\/\/convly.ai\/it\/self-hosting-vs-api-calculator\/\">calcolatrice del punto di pareggio tra self-hosting e API<\/a> indica quando pagare per token risulta pi\u00f9 economico.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_Asked_Questions\"><\/span>Domande frequenti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Posso aumentare la VRAM della mia scheda grafica?<\/h3>\n<p>No, sulle GPU discrete \u2014 i chip di memoria sono saldati direttamente sulla scheda, quindi l\u2019unico modo per aggiornare la VRAM \u00e8 sostituire l\u2019intera scheda. Le GPU integrate fanno eccezione: alcune configurazioni BIOS\/UEFI consentono di modificare l\u2019allocazione della RAM (spesso indicata come \u00abUMA Frame Buffer Size\u00bb o simile). La memoria GPU condivisa di Windows non costituisce VRAM aggiuntiva e non influenza la quantit\u00e0 di dati che possono essere elaborati alla massima velocit\u00e0.<\/p>\n<h3>Perch\u00e9 Windows riporta pi\u00f9 memoria GPU di quanta ne abbia effettivamente la mia scheda?<\/h3>\n<p>La voce \u00abMemoria GPU\u00bb nel Task Manager indica la VRAM dedicata pi\u00f9 la memoria di sistema condivisa; anche dxdiag pu\u00f2 sovrastimare tale valore nello stesso modo. La VRAM fisica corrisponde invece al valore indicato come \u00abMemoria GPU dedicata\u00bb, oppure al totale visualizzato dal comando <code>nvidia-smi<\/code> . Una scheda da 8 GB su un PC con 32 GB di RAM mostrer\u00e0 spesso 24 GB di \u00abMemoria GPU\u00bb \u2014 ma solo 8 GB di questi sono veramente VRAM.<\/p>\n<h3>La memoria GPU condivisa aiuta a eseguire modelli LLM pi\u00f9 grandi?<\/h3>\n<p>Non in modo significativo. Ambienti di esecuzione come llama.cpp e Ollama possono deliberatamente scaricare strati del modello nella RAM di sistema, permettendo cos\u00ec l\u2019esecuzione di modelli troppo grandi \u2014 ma la velocit\u00e0 di generazione scende tipicamente da decine di token al secondo a pochi token al secondo. Dimensiona sempre il modello in base alla VRAM dedicata disponibile e considera lo scaricamento nella RAM come soluzione di emergenza, non come strategia principale.<\/p>\n<h3>Quanta VRAM serve per un modello da 7B o 8B?<\/h3>\n<p>Circa 4\u20135 GB per i pesi a 4 bit, quindi una scheda da 6\u20138 GB consente di eseguirne uno comodamente, lasciando spazio per il contesto. Una GPU da 8 GB gestisce bene i modelli da 7\u20138 miliardi; con 12 GB si possono affrontare modelli da 12\u201314 miliardi. La <a href=\"https:\/\/convly.ai\/it\/best-local-llms-to-run-on-ollama-2026\/\">guida ai migliori modelli locali per Ollama<\/a> associa i modelli pi\u00f9 diffusi alle fasce di VRAM richieste.<\/p>\n<h3>La memoria unificata su Mac equivale alla VRAM?<\/h3>\n<p>Per l\u2019esecuzione di LLM, s\u00ec, in pratica: la GPU accede a un unico pool di memoria, limitato dal sistema a circa due terzi o tre quarti della RAM totale. Ci\u00f2 significa che un Mac da 32 GB pu\u00f2 eseguire modelli che una GPU da 12 GB su PC non riuscirebbe a gestire. La differenza emerge nella larghezza di banda della memoria, che varia di diversi ordini di grandezza tra le versioni base e Max\/Ultra dei chip, determinando il limite massimo di token al secondo.<\/p>\n<h3>Come monitoro l\u2019utilizzo della VRAM mentre un modello \u00e8 in esecuzione?<\/h3>\n<p>Su NVIDIA (su qualsiasi sistema operativo), esegui <code>nvidia-smi -l 1<\/code> per un aggiornamento ogni secondo. Su Windows, il pannello GPU del Task Manager si aggiorna in tempo reale. Su AMD Linux, usa <code>watch -n 1 rocm-smi --showmeminfo vram<\/code>; su Mac, i pesi del modello compaiono come memoria di processo ordinaria nella scheda \u00abMemoria\u00bb di Activity Monitor, dato che il pool \u00e8 unificato.<\/p>","protected":false},"excerpt":{"rendered":"<p>Windows: press Ctrl+Shift+Esc \u2192 Performance \u2192 GPU and read Dedicated GPU memory. On NVIDIA cards, run nvidia-smi in a terminal [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":2084,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[7],"tags":[],"class_list":["post-2083","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news"],"_links":{"self":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2083","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/comments?post=2083"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2083\/revisions"}],"predecessor-version":[{"id":2085,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2083\/revisions\/2085"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media\/2084"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media?parent=2083"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/categories?post=2083"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/tags?post=2083"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}