ubuntu系统环境指定GPU的使用

法1:

CUDA_VISIBLE_DEVICES=0,1,2 python test.py

法1中,0,1,2为显卡的编号。可以选择多块或单个显卡

法2:

    import os
    os.environ["CUDA_VISIBLE_DEVICES"] = "0,1,2"

 

步骤一:环境变量设置(好像不是必须的

改变系统变量仅使目标显卡,编辑 .bashrc文件,在里面添加系统变量

export CUDA_VISIBLE_DEVICES=0,1

linux的bashrc文件在/home目录下,但是是一个隐藏bai文件,在文件管理器里面du按Ctrl+H即可显示(显示为.bashrc,前zhi面小点儿表示隐藏文件)。也可以直接利用terminal直接打开

 

法1:

    在程序开头设置

比如写
os.environ["CUDA_VISIBLE_DEVICES"] = '1'就是用第二块显卡运行

import os
os.environ["CUDA_VISIBLE_DEVICES"] = '0,1,2,3'

法2:

    在运行程序时指定

运行程序时使用命令行,来设置该程序可见的gpu:

CUDA_VISIBLE_DEVICES=0,1,2,3 python xxx.py 

0,1,2为显卡的编号。可以选择多块或单个显卡


原文链接:https://blog.csdn.net/weixin_37707670/article/details/109898095

  • 2
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
您好!针对在Ubuntu使用TensorFlow GPU的问题,您可以按照以下步骤进行操作: 1. 安装NVIDIA驱动程序:首先,确保您的计算机上已正确安装了适用于您的NVIDIA显卡的驱动程序。您可以通过以下命令来检查当前系统上已安装的驱动程序版本: ``` nvidia-smi ``` 如果没有安装驱动程序,可以通过以下命令来安装最新版本的驱动程序: ``` sudo apt-get install nvidia-driver-<version> ``` 其中`<version>`是您要安装的驱动程序版本号。 2. 安装CUDA工具包:TensorFlow GPU依赖于CUDA,所以您需要安装相应的CUDA工具包。可以通过以下命令来安装: ``` sudo apt-get install cuda ``` 3. 安装cuDNN库:cuDNN是一个GPU加速库,也是TensorFlow GPU的依赖项之一。您需要访问NVIDIA的开发者网站并下载与您的CUDA版本兼容的cuDNN库。下载完成后,将其解压缩并将文件复制到CUDA的安装目录下。 4. 创建虚拟环境并安装TensorFlow GPU:为了隔离TensorFlow GPU的安装,建议使用虚拟环境。可以使用conda或者virtualenv创建虚拟环境。然后,在虚拟环境运行以下命令来安装TensorFlow GPU: ``` pip install tensorflow-gpu ``` 5. 验证安装:在虚拟环境中尝试导入TensorFlow,并运行一个简单的GPU计算来验证安装是否成功: ``` python import tensorflow as tf tf.config.list_physical_devices('GPU') ``` 这些步骤应该可以帮助您在Ubuntu上成功安装和配置TensorFlow GPU。希望对您有所帮助!如有任何问题,请随时向我提问。

“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
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

打赏作者

计算机视觉-Archer

图像分割没有团队的同学可加群

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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