在jupyter notebook中配置GPU

原创已于 2022-04-27 16:40:11 修改 · 2.5w 阅读

82 ·

CC 4.0 BY-SA版权

文章标签：

#python #jupyter #tensorflow

于 2022-04-27 16:37:53 首次发布

这篇博客详细介绍了如何在Anaconda环境下配置Tensorflow GPU版本的Jupyter Notebook，包括查看已安装的kernel，删除不需要的环境，安装ipykernel，创建并激活新环境，以及在环境中导入kernel。最后通过运行代码验证GPU环境的正确设置。

部署运行你感兴趣的模型镜像

1. 打开Anaconda Prompt，查看虚拟环境中安装了那些kernel

jupyter kernelspec list

在这里插入图片描述
目前环境中有两个环境，一个是我们的base环境，另一个是我们新安装的tensorflowGPU版本。如果要删除新安装的GPU版本，直接按照上面的路径删除文件夹即可。接下来正式在jupyter notebook中配置GPU。

2.打开Anaconda Prompt，安装ipykernel

conda install ipykernel

在这里插入图片描述

3.接下来创建ipykernel文件

conda install -n 环境名称 ipykernel

我的GPU版本为tensorflow,所以执行以下命令即可：

conda install -n tensorflow ipykernel

在这里插入图片描述

4.进入我们的GPU环境（首先你要有这个环境）

activate 环境名称

我的GPU版本为tensorflow,所以执行以下命令即可：

conda activate tensorflow

在这里插入图片描述
出现tensoflow，则说明切换环境成功。

5.在tensorflow环境中导入kernel

python -m ipykernel install --user --name 环境名称

我的GPU版本为tensorflow,所以执行以下命令即可：

python -m ipykernel install --user --name tensorflow

在这里插入图片描述
此时，你可以按照上面的路径查看jupyter中是否存在tensorflow这个文件夹

接下来在桌面打开jupyter notebook，查看是否存在新安装的版本

在Anaconda Prompt中输入jupyter notebook
在这里插入图片描述
点击Desktop，再点击New，你就看见两个kernel

点击tensorflow，进入到这个GPU版本，输入以下代码检验是否可以运行

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL']='2'
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print('GPU:', tf.test.is_gpu_available())

在这里插入图片描述
出现红色标记说明安装成功！！！！！

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。它提供了一个灵活的平台,用于构建和训练各种机器学习模型