jupyter无法调用GPU解决办法

已于 2022-05-20 22:41:02 修改
阅读量3.6k 收藏 10
点赞数 2
文章标签： pytorch 深度学习 python
于 2022-05-20 22:40:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weiyucheng1998/article/details/124891735
版权

​
pytorch环境下python文件正常调用GPU，jupyter无法调用GPU

解决方法：

第一步 查看之前的内核位置

jupyter kernelspec list

第二步 删除之前的内核

jupyter kernelspec remove ‘你的内核名称’

我这里是jupyter kernelspec remove python3

第三步 安装nb_conda_kernels包，自动把虚拟环境下的python生成内核

conda install nb_conda_kernels

等待安装完成

测试 成功调用cuda

​​在这里插入图片描述

起司其四
关注
  • 2
    点赞
  • 踩
  • 10
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
jupyter notebook 调用环境中的Keras或者pytorch教程
12-20
**Jupyter Notebook 调用环境中的 Keras 或 PyTorch 教程** 在数据分析和机器学习领域，Jupyter Notebook 是一个广泛使用的交互式环境，它允许用户编写和执行 Python 代码并展示结果。然而，当我们在不同的 Python ...
gpu-python3-kernel:NVIDIA Optimus设置中具有GPU加速功能的Python 3内核
05-18
适用于NVIDIA Optimus的GPU加速的Python 3内核 这个小技巧可让您轻松地通过NVIDIA的Optimus硬件切换到GPU加速的硬件... 因此，可以通过运行optirun jupyter notebook将Jupyter笔记本与NVIDIA GPU optirun jupyter noteb
pytorch在jupyter中无法使用GPU原因之一
weixin_56067040的博客
08-11 735
后面了解想到 jupyter不是使用Anconada创建的虚拟环境，自然无法激活GPU版本的pytorch，在这里只需要给 jupyter变更环境既可。先前在论坛阅读关于如何使用Anconada安装GPU版本的pytorch，最初的一步就是创建虚拟环境。然后在jupyter lab中用下面带代码打印出来一直是False。然后重启 jupyter 切换内核即可。当然这只是解决问题的其中一个方法。
在anaconda安装完pytorch后，打开jupyter notebook却检测不到解决方法
weixin_47804739的博客
12-13 2934
在anaconda安装完pytorch后，打开jupyter notebook确检测不到解决方法
Pytorch虚拟环境在Jupyter上使用的时候出现接连不到Kernel的情况（no connetion to kernel）
weixin_46687533的博客
01-12 480
哈喽大家好，这是我从事It行业以来，在CSDN上发布的第一篇文章，希望可以帮助到同样有这个问题困惑的同学。3、全部加载结束后，重新打开jupyter，再次运行import torch，你会发现可以连接到Kernel了。进入该环境的代码：conda activate 环境名。
Jupyterhub找不到GPU问题
duguwanglong的博客
03-14 1404
非 root 用户安装 cuda/cudnn 环境后，通过修改 PATH 和 LD_LIBRARY_PATH 变量，可以使 tensorflow 成功识别调用 GPU。但是，运行 jupyterhub notebook 后发现 GPU 调用失败...
同一个python环境为什么pycharm中可以用tensorflow-gpu，jupyternotebook就不可以
b225177314的博客
04-26 564
用anaconda 安装的python3.7，pycharm中使用的也是这个conda环境，而且也安装好了tensorflow-gpu，可以正常使用。但是在使用jupyter notebook时，同样使用这个python3.7作为kernel，却不能使用tensorflow-gpu，这是怎么回事？
安装了GPU版本的torch却不能用？（已解决来看看）
Fan1534的博客
10-18 1943
将以下七个文件夹全部复制到对应的环境的目录下（即上面一个截图中envs-->unet_implementation-->lib-->site-packages），并把环境中对应的torch全家桶文件夹删除。希望能帮到同样问题的人。已经安装了GPU版本的torch，但是使用torch.cuda.is_available()来验证的时候得到的结果还是一个大大的false。但是我在pycharm中查看解释器中的环境：此时的torch版本又是另一个版本。③这样对比终端的库和pycharm的库一眼发现问题；
Jupyter CUDA 无法调用、Import ERROR 提示缺库但 pip等 显示已经安装等问题的解决方案
m0_56329747的博客
01-16 1535
1、CUDA 问题：ipykernel存在Bug，如果是在某个anaconda的虚拟环境下打开的jupter，即使在其他虚拟环境中安装ipykernel，虽然能够识别相应的环境名，但是最终的编译器还是指向创建时的虚拟环境！但是Jupyter的安装不是和IDE一样的傻瓜式方法，需要一定的技术，也时常会有很多Bug。其中还遇到了各种import error显示缺少库，但pip安装时显示已经安装的问题。由于当时在网络上搜寻数日也未能找到相关的答案，故在此提供该解决方案，希望能有帮助。
Anaconda（Jupyter）里发现不能识别自己的GPU该怎么办?
m0_51339444的博客
07-30 3492
Anaconda（Jupyter）里发现不能识别自己的GPU该怎么办?
jupyter notebook参数化运行python方式
09-17
在Python开发环境中，Jupyter Notebook是一个非常流行的工具，它提供了交互式编程和数据科学分析的能力。本文主要讨论如何在Jupyter Notebook中实现参数化运行Python脚本，这对于进行多组参数试验或者自动化测试非常...
elastic-jupyter-operator：在Kubernetes上提供原生Jupyter Notebook服务的云原生方法
03-03
GPU最高时自动释放资源到Kubernetes资源延迟申请，在使用时按需申请对应CPU /内存/ GPU资源多Jupyter共享资源池，提高资源利用率部署kubectl apply -f ./hack/enterprise_gateway/prepare.yamlmake deploy架构...
PatchMatch:Python中Patchmatch的GPU和CPU实现！
05-15
通过运行Notebook，开发者可以直观地看到算法的工作原理，学习如何输入图像、设置参数、调用函数以及查看结果。 **4. 应用场景** - **图像修复**：当图像中有损坏或缺失的部分时，可以通过寻找周围区域相似的像素...
windows环境下使用jupyter远程连接服务器GPU
u014035838的专栏
05-18 1973
因为之后做实验需要使用到GPU，然而我本机只有CPU，所以需要连接实验室的服务器来进行实验。 ～话不多说，GO～ (1)首先在本地使用命令连接服务器：（超简单超实用～） 本机WIN10 实验室服务器ubuntu20.04（已知服务器的ip和端口号以及服务器上的账户和密码） 现在我想连接服务器并在服务器上做实验。 第一步：首先打开终端(WIN+R) 第二步：输入：ssh -p 端口号 服务器用户名@ip（服务器IP） 回车，到这会让你输入yes或者no来确认是否连接，输入yes回车 第三步..
tensorflow在jupyter里识别不了gpu
sanwushaonvte的博客
09-03 1119
pywin32包导致
安装百度飞桨Paddlepaddle-GPU，解决不能在jupyter notebook中使用等问题
pde26jjk的博客
12-16 3491
解决了cudnn、cuda的问题、jupyter中运行不了的问题。
anaconda jupyter pytorch GPU问题记录
weixin_45743760的博客
11-23 2558
困扰我两天的问题终于在各大博主的指导下解决，差点就去叨扰师父了… 安装坑 在虚拟环境中安装pytorch GPU版本，创建好环境以后，一定要切换到该环境再安装GPU版本， 否则 1.会在base环境中出现一个cpu（之前安装的）torch，和一个GPU torch，会导致kernel python3.7无法正常import torch（报错没记下来，脑壳痛），原本是可以引入cpu版本的。好像是因为两者不能在同一环境共存，需要卸载其中一个。 #开启和关闭虚拟环境的命令 conda activate pyto
构建支持 gpu 的 jupyterlab docker 镜像
engchina的专栏
01-26 648
构建支持 gpu 的 jupyterlab docker 镜像
Pytorch代码：打印模型每层的参数数量和总参数量
最新发布
Never Give Up
07-30 358
【代码】Pytorch代码：打印模型每层的参数数量和总参数量。
jupyter notebook 使用GPU的指令
11-03
在Jupyter Notebook中使用GPU加速需要先创建一个GPU环境，可以使用以下命令创建一个名为pytorch-GPU的Python 3.9环境：conda create –n pytorch-GPU python=3.9。接着，需要在该环境中安装PyTorch和CUDA等必要的库和工具。安装完成后，可以在Jupyter Notebook中切换到该环境并使用GPU加速。具体的切换方法可以参考引用中的说明。在使用GPU加速时，需要注意代码中的相关设置和调用，以确保正确地使用GPU进行计算。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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