如何让 Jupyter Notebook 在 GPU 上运行？

Question

在 Google Collab 中，您可以选择在 cpu 或 gpu 环境中运行您的笔记本。现在我有一台配备 NVDIA Cuda Compatible GPU 1050 和最新 anaconda 的笔记本电脑。如何拥有与协作功能类似的功能，我可以简单地让我的 python 在 GPU 上运行？

Answer 1

不要再浪费时间了，按照以下步骤操作：

1-转到https://www.tensorflow.org/install/source#gpu

2-将以下内容复制到文本文件中，最新的 TensorFlow 版本、Python 版本、cuDNN 和 CUDA。在撰写此评论的当前日期（2021 年 12 月 3 日），最新版本是：

TensorFlow 版本=tensorflow-2.7.0

Python 版本 = 3.7-3.9 -> 这里7-3 表示发布3 or 4 or 5 or 6 or 7

cuDNN=8.1

CUDA= 11.2

3- 我假设你已经安装了 anaconda，如果没有问谷歌叔叔。

4- 打开 anaconda 提示符并运行以下命令：

conda create --name my_env python=3.7.9    

这将创建一个新的 Python 环境，而不是您的根/基础环境。请记住my_env 可以更改为任何名称。至于python=3.7.9、cuDNN=8.1 和CUDA=11.2 版本（数字）必须更改为您在 tensorflow 网站上找到的任何版本。

列出你当前拥有的环境：

conda env list    

注意base 和(base) 旁边的* 表示您正在运行基本环境。因此，我们需要通过键入来更改为新创建的环境

activate my_env

现在，我们需要安装 cudatoolkit：

conda install cudatoolkit=11.2     

这将安装最新的 Cuda 版本的 11.2，它可能是 11.2.2，所以不要惊慌。

我们还需要安装 cuDNN：

conda install cudnn=8.1    

然后，安装所需版本的tensorflow

conda install tensorflow-gpu==2.7.0    

现在键入 jupyter 以在您新创建的 my_env 中启动 jupyter notebook。然后输入import tensorflow as tf 并在第一个单元格中运行，然后输入tf.test.is_gpu_available() 并在第二个单元格中运行。如果输出是true，那么你就可以走了，否则出了点问题。当然，有很多检查和方法可以执行，但似乎这是最快和最简单的。

别忘了订阅和分享

谢谢

Answer 2

在执行以下步骤之前，请确保满足以下先决条件：

1. Python 3.x 已安装。
2. Anaconda 已安装。
3. 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：

以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，如下图所示，gpu2 环境将被创建。 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/]

Answer 3

1. 安装 Miniconda/anaconda

2. 下载CUDA Toolkit（根据操作系统）

   关注这个（对于 LINUX CUDA 工具包）：

    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
   

3. 下载并安装cuDNN（创建NVIDIA acc）

   一个。将 cuDNN 文件（bin、include、lib）粘贴到 CUDA Toolkit 文件夹中。

4. 将 CUDA 路径添加到环境变量（如果需要，请参阅教程。）

5. 在 miniconda/anaconda 中创建环境

     Conda create -n tf-gpu 
   
     Conda activate tf-gpu
   
     pip install tensorflow-gpu
   

6. 安装 Jupyter Notebook (JN)

    pip install jupyter notebook
   

7. 完成！现在你可以在 JN 中使用 tf-gpu。

Answer 4

我为我的 Windows 10 64 位系统设置了适用于 Intel 的 OpenCL SDK。我还为 Python 3.7 安装了 PyOpenCL。我没有使用 conda 安装它，而是使用 WHL 文件安装它。我可以毫无问题地将它与 IDEL 一起使用。将 PyOpenCL 与 Jupyter notebook 和 Spyder (Anaconda3) 一起使用。我做了以下进一步：

1. 从 Windows 开始菜单中找到 Anaconda Powershell Prompt (Anaconda3) 并以管理员身份运行（以避免用户权限错误。）

   李>

2. 像这样尝试和更新：

   (base) PS C:\WINDOWS\system32> conda update -n base conda -c anaconda

（警告：如果有一段时间没有更新，这可能需要一些时间..） 在询问时输入 y 以继续。

鉴于已顺利完成，现在您已准备好安装 PyOpenCL：

(base) PS C:\WINDOWS\system32> conda install -c conda-forge pyopencl

在询问时输入 y 以继续。

（这会很快！）

现在您可以启动 Spyder 或 Jupyter 来测试它。

将pyopencl导入为cl

没有错误，一切就绪！那就是。它已在 Windows 10、64 位上与 Jupyter 和 Spyder 3 一起测试。我希望你会发现这很有帮助。

Answer 5

我写了一篇关于如何在 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，您不会使用 Docker 搜索解决方案，但是，当使用现有的 Dockerfile 以及统计和机器学习所需的大量软件包时，它可以为您节省大量时间。

Answer 6

我正在回答我自己的问题。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。