在执行以下步骤之前，请确保满足以下先决条件：

Question

在Google Collab中，您可以选择在cpu或gpu环境中运行的笔记本。现在，我有一台笔记本电脑，该笔记本电脑具有NVDIA Cuda兼容GPU 1050和最新的anaconda。如何在协作环境中具有类似的功能，使我的Python可以在GPU上运行？

Answer 1

我正在回答自己的问题。最简单的方法是使用连接到本地运行时（https://research.google.com/colaboratory/local-runtimes.html），然后选择硬件加速器作为GPU，如（https://medium.com/deep-learning-turkey/google-colab-free-gpu-tutorial-e113627b9f5d）所示。

Answer 2

我写了一篇有关如何在Docker（和Docker Swarm）中设置Jupyterlab的中型文章，该文章通过PyTorch或Tensorflow中的CUDA访问GPU。

Set up your own GPU-based Jupyter

我很清楚您没有在Docker上寻找解决方案，但是，使用现有的Dockerfile以及大量的统计信息和ML所需的软件包时，它可以为您节省很多时间。

Answer 3

我有适用于Windows 10 64位系统的Intel设置的OpenCL SDK。我还为Python 3.7安装了PyOpenCL。我没有用conda安装它，而是用WHL文件安装了pip。我可以毫无疑问地将它与IDEL结合使用。要在Jupyter笔记本电脑和Spyder（Anaconda3）中使用PyOpenCL。我在以下方面做了进一步的工作：

从Windows的开始菜单中找到 Anaconda Powershell提示符（Anaconda3），并以管理员身份运行（以避免用户权限错误。）
像这样尝试和更新：

（基本）PS C：\ WINDOWS \ system32>康达更新-n基本康达-c蟒蛇

（警告：如果一段时间未更新，则可能要花费一些时间。）键入 y 继续输入。

鉴于已成功完成，现在您可以安装PyOpenCL：

（基本）PS C：\ WINDOWS \ system32>康达安装-c康达伪造pyopencl

输入 y 以在出现提示时继续。

（很快！）

现在，您可以启动Spyder或Jupyter对其进行测试。

将pyopencl导入为cl

没有任何错误，您一切就绪！那就是。已通过Windows 10 64位Jupyter和Spyder 3的测试。希望对您有所帮助。

Answer 4

安装Miniconda / vptestnmb

下载anaconda（根据操作系统）

请遵循以下步骤（对于LINUX CUDA Toolkit）：

 a. Wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin

 b. sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600

 c. wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda-repo-ubuntu2004-11-0-local_11.0.3-450.51.06-1_amd64.deb

 d. sudo dpkg -i cuda-repo-ubuntu2004-11-0-local_11.0.3-450.51.06-1_amd64.deb

 e. sudo apt-key add /var/cuda-repo-ubuntu2004-11-0-local/7fa2af80.pub

 f. sudo apt-get update

 g. sudo apt-get -y install cuda

下载并安装CUDA Toolkit（创建NVIDIA acc）

a。将cuDNN文件（bin，include，lib）粘贴到CUDA Toolkit文件夹中。
将CUDA路径添加到环境变量中（如果需要，请参阅教程。）

在miniconda / anaconda中创建环境

  Conda create -n tf-gpu 

  Conda activate tf-gpu

  pip install tensorflow-gpu

安装Jupyter Notebook（JN）
```
 pip install jupyter notebook
```
完成！现在，您可以在JN中使用tf-gpu。

Answer 5

在执行以下步骤之前，请确保满足以下先决条件：

Python 3.x 已安装。
Anaconda 已安装。
CUDA 工具包已安装。

在 GPU 上运行 Jupyter Notebook 的步骤

1.使用 Conda 创建新环境：

使用管理员权限打开命令提示符并运行以下命令以创建名为 gpu2 的新环境。

Conda create -n gpu2 python=3.6

按照屏幕上的说明进行操作，如下所示，将创建 gpu2 环境。 enter image description here enter image description here

运行以下命令以列出所有可用环境。

conda info -e

现在，运行以下命令来激活/启用新创建的 gpu2 环境。

conda activate -n gpu2

安装tensorflow-gpu。这里我安装了tensorflow-gpu v2.3.0。您可以查看以下链接以找到与您安装的 Python 版本兼容的 tensorflow-gpu 版本。

https://www.tensorflow.org/install/source_windows#tested_build_configurations

pip install tensorflow-gpu==2.3.0

按照此处的说明进行操作[https://www.techentice.com/how-to-make-jupyter-notebook-to-run-on-gpu/]

如何使Jupyter Notebook在GPU上运行？

5 个答案:

在执行以下步骤之前，请确保满足以下先决条件：

在 GPU 上运行 Jupyter Notebook 的步骤

1.使用 Conda 创建新环境：