Jupyter notebook运行py文件:%run xx.py
载入代码:%load xx.py
解决mxnet错误:OSError: libcudart.so.10.0: cannot open shared object file: No such file or directory
pip install --user mxnet
Jupyter Notebook引入外部的py文件中的方法
import sys
sys.path.append(r'C:\Users\XXX\PycharmProjects\kNN_function')
python安装想要版本的库:
python -m pip install --upgrade packagename==version
linux下查看GPU相关信息:
https://www.cnblogs.com/yuehouse/p/10242942.html
1、Linux查看显卡信息:
lspci | grep -i vga
2、使用nvidia GPU可以:
lspci | grep -i nvidia
前边的序号 "00:0f.0"是显卡的代号(这里是用的虚拟机);
查看指定显卡的详细信息用以下指令:
lspci -v -s 00:0f.0
3、Linux查看Nvidia显卡信息及使用情况
Nvidia自带一个命令行工具可以查看显存的使用情况:
nvidia-smi
表头释义:
- Fan:显示风扇转速,数值在0到100%之间,是计算机的期望转速,如果计算机不是通过风扇冷却或者风扇坏了,显示出来就是N/A;
- Temp:显卡内部的温度,单位是摄氏度;
- Perf:表征性能状态,从P0到P12,P0表示最大性能,P12表示状态最小性能;
- Pwr:能耗表示;
- Bus-Id:涉及GPU总线的相关信息;
- Disp.A:是Display Active的意思,表示GPU的显示是否初始化;
- Memory Usage:显存的使用率;
- Volatile GPU-Util:浮动的GPU利用率;
- Compute M:计算模式;
下边的Processes显示每块GPU上每个进程所使用的显存情况。
如果要周期性的输出显卡的使用情况,可以用watch指令实现:
watch -n 10 nvidia-smi
命令行参数-n后边跟的是执行命令的周期,以s为单位。