1 踩坑总结
1.1 jupyter中tensorflow不能用gpu问题
因为在anaconda中创建了2个虚拟环境,一个是pytorch、一个是tensorflow,但是呢我都没有为这两个虚拟环境下载jupyter,而是只是下载了ipykernel包,使得jupyter可以使用这个两个虚拟环境。
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple
因此我每次打开jupyter他默认连接的都是base环境下的python解释器,而内核却用的tensorflow的虚拟环境。导致notebook上的python运行版本和内核版本不一致。可以在notebook中Help中的About中查看。
我发现我这两个版本一开始是不一致的。
解决问题:
我再tensorflow的虚拟环境中安装了一遍jupyter,然后激活虚拟环境并打开新环境中的jupyter发现版本一致了。运行
tf.test.is_gpu_available() #返回了True
但中途还遇到一个问题就是打开ipynb文件报了500错误
网上查了查发现是nbconvert版本不匹配,导致不兼容,需要进行更新。
pip install --upgrade --user nbconvert #在tensorflow环境下使用
至此问题彻底解决。
1.2 jupyter打开ipynb文件Python停止工作的问题
本来昨天还在anaconda上用tensorflow-gpu的虚拟环境跑代码,今天早晨突然就不能用了。只要一打开.ipynb就显示python.exe已经停止工作。
因为之前出现过类似这种问题但没有这么严重,第一反应是python解释器版本不对应了,因为tensorflow下jupyter已经没办法打开这个ipynb文件了,就使用base环境随便打开了文件也是发现jupyter运行的python解释器和内核运行的python解释器不是一个版本。因此发现在tensorflow中下载了jupyter后这个问题也解决了。
总结一下:
还是在不同的虚拟环境专门下载一个jupyter好一点。对于我这种小白来说,使用那个环境就在那个环境下打开对应的jupyter应该就不会出现这种问题。
历时4个小时,白白给我浪费了(ˉ▽ˉ;)…。。。