【精选】gpu运行pycharm |
您所在的位置:网站首页 › pycharm多核优化 › 【精选】gpu运行pycharm |
如何使用自己电脑上自带的GPU来运行pycharm中的程序
准备工作:在代码中指定gpu来运行第一步:cuda的安装第二步:mxnet的安装第三步:可能的numpy问题附1:如何回到CPU模式附2:如何判断自己是否在用GPU
准备工作:在代码中指定gpu来运行
如果需要用gpu运行代码,必须先在代码中指定gpu,即将相应的值存储在显存上,这是第一步 1.默认情况下,数据都是存放在内存上,如 x = nd.array([1, 2, 3]) print(x)会输出 会输出cpu(0),表示在第0块cpu上 方法二:通过copyto函数或as_in_context函数在设备之间传输数据,如将前文中内存上的x变量复制到gpu(0)上 使用copyto函数复制到显存中的变量y y = x.copyto(mx.gpu())使用as_in_context函数复制到显存中的变量z z = x.as_in_context(mx.gpu())之后的计算会在context指定的设备上进行 3.Gluon模型的GPU计算 初始化神经网络时,也需要将模型参数初始化在显存上 net = nn.Sequential() net.add(nn.Dense(1)) net.initialize(ctx = mx.gpu(0)) 第一步:cuda的安装
提示:不是内部命令或外部命令,也不是可运行程序,于是推测并没有真正安装CUDA,所以下一步就是去安装CUDA 进入网站:https://developer.nvidia.com/cuda-toolkit-archive 找到对应的CUDA版本下载。我用的是mxnet,所以下载10版本即可,11版本目前没有对应的gpu版本的mxnet,这点需要注意,下载后默认安装即可。 然后再次查看CUDA 版本(方法同上),发现已经安装成功 备注:如果需要pip install xxx的话,不要在电脑命令行中进行(即cmd那种),直接在pycharm的terminal中输入命令操作,否则会出各种问题!!!! 注意:下面操作均在pycharm的terminal中进行!!!! 大家可能最开始时,都是在pycharm中通过: pip install mxnet但这是安装了cpu版本的mxnet,可以正常运行在cpu下运行代码,但是不可以在gpu下运行代码,为此我们需要安装gpu版本的mxnet。 首先,卸载cpu版本的mxnet pip uninstall mxnet然后安装gpu版本的mxnet,必须注意的是,这里安装的mxnet版本和我们第一步安装的CUDA版本必须兼容,否则会出问题。这里以我安装的CUDA 10.1版本为例,安装对应mxnet pip install --pre mxnet-cu101①代码中的101指的就是版本,如果你安装的CUDA是9.2,那么这里就是cu92 ②mxnet前面必须加–pre,否则安装完成照样运行不了(原因未知) 第三步:可能的numpy问题成功完成上述操作后,运行代码时发现提示AttributeError: module ‘numpy’ has no attribute ‘int32’’,这时我们需要先卸载原来的numpy pip uninstall numpy(推测)然后安装这个版本下的numpy pip install -U numpy至此大功告成,应该已经可以使用gpu运行代码了 附1:如何回到CPU模式先卸载已安装的GPU模式的mxnet-cu101 (如果不影响安装cpu的mxnet的话,貌似也可以不卸载) pip uninstall mxnet-cu101再安装cpu版本的mxnet pip install mxnet
按照上述操作使用GPU跑代码时,直观上确实发现速度比最开始的CPU快很多,但为了确定一下确实是用GPU,故运行时打开任务管理器: 查阅了一些资料发现,解决方法有两个: 1.GPU检测的驱动出了一些问题,到网上下载个驱动修复之类的就行 2.专门下载一个GPU监测的小程序也可 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |