如何让Jupyter Notebook在GPU上运行？

Question

在Google Collab中,您可以选择在cpu或gpu环境中运行的笔记本.现在我有一台配有NVDIA Cuda兼容GPU 1050和最新款anaconda的笔记本电脑.如何使用类似的功能,我可以简单地让我的python在GPU上运行？

Answer 1

我在回答我自己的问题.最简单的方法是使用连接到本地运行时(https://research.google.com/colaboratory/local-runtimes.html),然后选择硬件加速器作为GPU,如(https://medium.com/deep-learning)所示-turkey/google-colab-free-gpu-tutorial-e113627b9f5d).

Answer 2

1. 安装 Miniconda/ anaconda

2. 下载CUDA 工具包（根据操作系统）

   按照这个（对于 LINUX CUDA 工具包）：

    a. Wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2004/x86_64/cuda-ubuntu2004.pin
   
    b. sudo mv cuda-ubuntu2004.pin /etc/apt/preferences.d/cuda-repository-pin-600
   
    c. wget https://developer.download.nvidia.com/compute/cuda/11.0.3/local_installers/cuda-repo-ubuntu2004-11-0-local_11.0.3-450.51.06-1_amd64.deb
   
    d. sudo dpkg -i cuda-repo-ubuntu2004-11-0-local_11.0.3-450.51.06-1_amd64.deb
   
    e. sudo apt-key add /var/cuda-repo-ubuntu2004-11-0-local/7fa2af80.pub
   
    f. sudo apt-get update
   
    g. sudo apt-get -y install cuda
   

3. 下载并安装cuDNN（创建 NVIDIA acc）

   一种。将 cuDNN 文件（bin、include、lib）粘贴到 CUDA Toolkit 文件夹中。

4. 将 CUDA 路径添加到环境变量（如果需要，请参阅教程。）

5. 在 miniconda/anaconda 中创建环境

     Conda create -n tf-gpu 
   
     Conda activate tf-gpu
   
     pip install tensorflow-gpu
   

6. 安装 Jupyter Notebook (JN)

    pip install jupyter notebook
   

7. 完毕！现在您可以在 JN 中使用 tf-gpu。

Answer 3

我写了一篇中等文章，介绍如何在 Docker（和 Docker Swarm）中设置 Jupyterlab，通过 PyTorch 或 Tensorflow 中的 CUDA 访问 GPU。

设置您自己的基于 GPU 的 Jupyter

我很清楚，您不会寻找 Docker 的解决方案，但是，当使用现有的 Dockerfile 以及统计和机器学习所需的大量包时，它可以为您节省大量时间。