jupyter notebook使用tensorflow-gpu的问题记录

jupyter notebook使用tensorflow-gpu的问题记录

前提:
  1. 在虚拟环境tensorflow-gpu中已经使用conda install tensorflow-gpu==2.6.0安装好了tensorflow-gpu(cuda和cudnn应该是随该命令一并安装的)。

  2. 已经将该环境添加到了jupyter notebook中

问题:
使用tf.test.is_gpu_available()测试是否安装成功
  1. 终端中显示True
    在这里插入图片描述

  2. jupyter notebook 显示False
    在这里插入图片描述

解决:

目前还不知道是什么问题,如果有大佬知道,还请不吝赐教。

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
jupyter notebook中运行xgboost时无法进行GPU加速的原因可能是因为jupyter notebook的环境没有正确识别到GPU。你可以尝试以下方法解决这个问题: 1. 确保你已经正确安装了CUDA和cuDNN,并且版本与你的TensorFlow和xgboost库兼容。 2. 确保你的jupyter notebook环境中识别到了GPU。可以在jupyter notebook中运行以下代码来查看tensorflow识别出的硬件: ```python import tensorflow as tf tf.config.list_physical_devices() ``` 如果输出结果中没有包含GPU信息,可能是因为jupyter notebook环境没有正确识别到GPU。 3. 尝试在jupyter notebook中设置LD_LIBRARY_PATH变量,强制指定GPU的路径。可以按照以下步骤操作: - 在jupyter notebook中运行以下代码查看Python识别到的系统环境变量: ```python import os print(os.environ) ``` 确保其中包含了你自定义的LD_LIBRARY_PATH变量。 - 生成jupyter的配置文件,可以使用以下命令: ```bash jupyter notebook --generate-config ``` - 编辑生成的配置文件(通常位于~/.jupyter/jupyter_notebook_config.py),找到以下行: ```python c.Spawner.env_keep = ['PATH', 'PYTHONPATH', 'CONDA_ROOT', 'CONDA_DEFAULT_ENV', 'VIRTUAL_ENV', 'LANG', 'LC_ALL'] ``` 将其修改为: ```python c.Spawner.env_keep = ['PATH', 'PYTHONPATH', 'CONDA_ROOT', 'CONDA_DEFAULT_ENV', 'VIRTUAL_ENV', 'LANG', 'LC_ALL', 'LD_LIBRARY_PATH'] ``` - 保存并关闭配置文件,然后重新启动jupyter notebook。 4. 如果以上方法仍然无法解决问题,你可以尝试在终端中运行jupyter notebook,看看是否能够正常识别GPU

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值