精华内容
下载资源
问答
  • gpu配置
    千次阅读
    2022-02-04 18:36:24

    nvidia-smi是用来查看GPU版本信息,GPU使用信息查询:
    nvidia-smi
    image-20220204183556178
    第一栏的Fan:N/A是风扇转速,从0到100%之间变动,这个速度是计算机期望的风扇转速,实际情况下如果风扇堵转,可能打不到显示的转速。有的设备不会返回转速,因为它不依赖风扇冷却而是通过其他外设保持低温(比如我们实验室的服务器是常年放在空调房间里的)。

    第二栏的Temp:是温度,单位摄氏度。
    第三栏的Perf:是性能状态,从P0到P12,P0表示最大性能,P12表示状态最小性能。
    第四栏下方的Pwr:是能耗,上方的Persistence-M:是持续模式的状态,持续模式虽然耗能大,但是在新的GPU应用启动时,花费的时间更少,这里显示的是off的状态。
    第五栏的Bus-Id是涉及GPU总线的东西,domain?device.function
    第六栏的Disp.A是Display Active,表示GPU的显示是否初始化。
    第五第六栏下方的Memory Usage是显存使用率。
    第七栏是浮动的GPU利用率。
    第八栏上方是关于ECC的东西。
    第八栏下方Compute M是计算模式。
    下面一张表示每个进程占用的显存使用率。

    显存占用和GPU占用是两个不一样的东西,显卡是由GPU和显存等组成的,显存和GPU的关系有点类似于内存和CPU的关系。我跑caffe代码的时候显存占得少,GPU占得多,师弟跑TensorFlow代码的时候,显存占得多,GPU占得少。

    查看GPU型号

    lspci | grep -i nvidia

    查看NVIDIA驱动版本

    sudo dpkg --list | grep nvidia-*

    更多相关内容
  • Configuring Citrix XenServer 7.1 for Graphics Published April 2018 1.0 Edition Configuring Citrix XenServer 7.1 for raphics Copyright 2017 Citrix Systems. Inc. All Rights Reserved....
  • 使用GPU配置Horizon虚拟桌面.pdf
  • 如何确认计算机的GPU配置

    千次阅读 2021-11-09 12:00:03
    简单介绍CPU与GPU、独立显卡与集成显卡等概念以及如何确认机器上的GPU配置

    目录

    1. 前言

    2. 方法1

    3. 方法2

    4. GPU与GPU还不一样

    5. 有GPU就可以为所欲为了吗?


    1. 前言

            最近开始学(鼓)习(捣)强化学习,安装一本基于Python学习强化学习的随书代码,(看似一切顺利地)安装完了后运行测试代码,报错。。。仔细看了看README,要求GPU环境,so,运行失败是因为本机有没有GPU以及驱动配置是否正确吗?

            首先,GPU是个啥?

            GPU:图形处理器(英语:Graphics Processing Unit,缩写:GPU),又称显示核心、视觉处理器、显示芯片,原本是专门用于在个人电脑、工作站、游戏机和一些移动设备(如平板电脑、智能手机等)上图像运算工作的微处理器(摘自:图形处理器_百度百科)。用途是将计算机系统所需要的显示信息进行转换驱动,并向显示器提供行扫描信号,控制显示器的正确显示,是连接显示器和个人电脑主板的重要元件,也是“人机对话”的重要设备之一。显卡作为电脑主机里的一个重要组成部分,承担输出显示图形的任务,对于从事专业图形设计的人来说显卡非常重要。

            GPU的特点,简而言之,就是对于规整化的运算(比如矩阵、张量运算)非常高效。原本是用于图形处理而开发的专用处理器。然后,在深度学习时代人们发现深度学习模型训练和推理所需要非常对GPU的胃口。。。因此双方一拍即合互相促进,GPU成就了深度学习的兴起,深度学习成就了NVIDIA(英伟达)的横空出世。。。

            CPU和GPU的区别就不瞎BB了,以下一图大抵就清楚了,不清就去这个链接瞅瞅吧(CPU和GPU到底有什么区别? - 知乎 (zhihu.com),侵删。。。) 

    CPU和GPU到底有什么区别?

    2. 方法1

            Windows10系统(其它版本应该大同小异吧)下:

            右击“此电脑(或:我的电脑)”-->属性-->设备管理器-->显示适配器,会有显示如下:

            嗯嗯,我的机器上有深度学习所需要的Nvidia GPU。。。 

    3. 方法2

            按“Ctrl+Alt+Del”然后进入“任务管理器”,然后选择“性能”,可以得到类似于下图这样的:

            嗯嗯,两个GPU都挺闲的^-^需要给它们上点运算负荷^-^

    4. GPU与GPU还不一样

            如上图所示,机器里面有两个GPU,一个是Intel的另一个是Nvidia的。虽然都叫GPU,但是其实是不一样的。这就涉及到另一对概念:集成显卡 vs 独立显卡。显卡嘛,顾名思义是指图形显示用的设备,其中的计算引擎就是GPU核或者GPU芯片。

            集成显卡的意思就是它的GPU处理器是一个集成在CPU芯片中的一个GPU核,而独立显卡的意思是它的GPU处理器是一颗独立的芯片。以普通的CPU的火力(指张量运算这类GPU非常擅长的规整运算)比作步枪,而GPU的火力比作机枪的话,集成显卡就是普通的的步兵连配备了几挺机枪,而独立显卡就是一个纯粹的机枪连--火力自然十足,就是比较费机枪^-^

            集成显卡由于GPU是集成在CPU中,节省了空间上的位置。而且集成显卡没有显存,因此占用电脑一部分内存进行运算,这也就节省了集成显卡的制作难度,从而导致集成显卡相比独立显卡价格要低。

            独立显卡由于是基于专用GPU芯片,有自己独立的显存,通过PCI-Express扩展插槽与主板连接。通常独立显卡的性能远远高于集成显卡。然而,如上所述,天底下没有免费的午餐,独立显卡的价格与它的性能一样鲜美无比。

            以上,英特尔的GPU就是集成显卡,而英伟达的GPU就是独立显卡。通常深度学习、强化学习领域中所说的GPU都是指独立显卡,而独立显卡领域的鹤立鸡群一枝独秀的就是英伟达(Nvidia)。

    5. 有GPU就可以为所欲为了吗?

            并不是。

            至少你看上面,我机器上有Nvidia-GPU啊,前言中说的安装也看似顺利啊,可以还是跑不通啊。逛了逛万能的互联网,感觉就算是怀里揣着这么个宝贝,要想让它发挥作用并不是一件容易的事情。不知道怎么用就等于捧着金碗做叫花子。。。^-^

            容我慢慢学习摸索,有了收获再来报告。。。

             

    展开全文
  • 一种基于WinForm的GPU配置管理系统设计与实现.docx
  • Pycharm中GPU配置(torch,tensorflow)

    千次阅读 2022-01-11 16:58:27
    1,PYTORCH对应它的GPU,tensorflo对应它的GPU,还是可以共用GPU 各自对应各自的GPU 2,多个CUDA和cuDNN可以在一个电脑上共存吗? 可以,查看如下链接: ...3,虚拟环境中可以使用GPU吗?...python3环境搭建(利用...

    1,PYTORCH对应它的GPU,tensorflo对应它的GPU,还是可以共用GPU

    各自对应各自的GPU

    2,多个CUDA和cuDNN可以在一个电脑上共存吗?

    可以,查看如下链接:

    windows下同一个显卡配置多个CUDA工具包以及它们之间的切换_MIss-Y的博客-CSDN博客_cuda 工具包

    3,虚拟环境中可以使用GPU吗?如何使用

    在开始配置GPU环境开始之前,确保安装好了Anaconda,pycharm

    Anaconda安装教程,网址如下

    Anaconda | Individual Editionhttps://www.anaconda.com/products/individual注意:

    其他步骤直接点击下一步。 

    pycharm安装教程,自行查阅一个

    (1)torch-GPU可以采取不安装CUDA和CUDNN,直接在anaconda上实现

    • 在安装好的anaconda上打开Anaconda prompt 创建虚拟环境
    conda create -n pytorch python=3.6
    
    • 创建后激活 环境
    activate pytorch
    

    pytorch官网https://pytorch.org/

    • 根据安装的环境、python和CUDA版本查看指令

    输入指令,比如:

    conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
    
    • 安装完成后,输入下属指令进行测试,结果为true,则表示成功
    import torch
    torch.cuda.is_available()
    

    (2)tesorflow-gpu安装

    此处需要先安装Visual Studio,网址为:

    Visual Studio: 面向软件开发人员和 Teams 的 IDE 和代码编辑器 (microsoft.com)https://visualstudio.microsoft.com/zh-hans/注意到这一步的时候需要选择如下图所示选项:

    preview

     (1)安装CUDA

    检查电脑允许安装的版本,在cmd下输入命令:

    nvidia-smi
    • 找到对应CUDA版本号,进入官网下载

    CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

    • 随后安装,注意在第三步中不选择第三选项在这里插入图片描述

    cmd下输入命令:

    nvcc -V

    如果已经安装会出现详细信息

     (2)下载cudnn,网址如下:

    NVIDIA cuDNN | NVIDIA Developerhttps://developer.nvidia.com/cudnn

    将下载的压缩包解压,得到

    在这里插入图片描述

     打开类似于C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2的路径的文件夹

    在这里插入图片描述

    将解压文件中的bin文件夹中的文件复制到cuda对应的文件夹中 

    进入extras文件夹中点击如下文件夹中的deviceQuery和bandwidthTest文件,如果正常执行没有报错,则证明安装成功 

    随后打开 在安装好的anaconda上打开Anaconda prompt 创建虚拟环境

    conda create -n tensorflow-gpu python=3.6
    

    激活虚拟环境

    activate tensorflow-gpu
    

    下载tensorflow

    conda install tensorflow-gpu==2.7.0

    检测是否可以使用

    开启python,执行下列代码,返回结果为true,表示在anaconda的虚拟环境中,成功。

    import tensorflow as tf
    tf.test.is_gpu_available()

    (3)打开pycharm,在项目运行时,选择合适的虚拟环境即可

    查看GPU使用情况:

    windows10下

    nvidia-smi

    查看GPU占用率

    补充:如果遇到类似缺少.dll文件的错误,可参考如下链接,重点查看自己环境变量

    Anaconda虚拟环境下的PyCharm使用Tensorflow调用GPU出现dll文件缺失的问题和解决办法

    PyCharm DLL load failed的原因和对治方法 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/72615307

    参考文章

    https://blog.csdn.net/weixin_43499979/article/details/107688316https://blog.csdn.net/weixin_43499979/article/details/107688316

    Pytorch-GPU安装记录(已安装Anaconda和Pycharm)_小杨小杨从不张扬的博客-CSDN博客https://blog.csdn.net/weixin_42613665/article/details/112298468

    Anaconda环境配置

    python3环境搭建(利用Anaconda+pycharm+pytorch)完整版_thomaswu1992的博客-CSDN博客_anaconda创建pytorch环境https://blog.csdn.net/thomaswu1992/article/details/90293015?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-2.control

    pycharm中使用anaconda部署python环境

    https://blog.csdn.net/qq_29883591/article/details/78077244https://blog.csdn.net/qq_29883591/article/details/78077244

    (68条消息) RTX3060+win10+CUDA11.2+cudnn8.2.0+pytorch1.8.0 环境——个人配置经验_zxm_的博客-CSDN博客https://blog.csdn.net/zxm_jimin/article/details/120966625

    遇到的麻烦:

    1,在下载tensorflow-gpu的时候报错

    error: could not find a version that satisfies the requirement tensorflow-gpu==2.7.0 (from versions: none) 
    error: no matching distribution found for tensorflow-gpu==2.7.0

    解决方法:

    使用命令

    python -v

    检查python是不是64版本,如果不是需要重新安装python选择64版本

    展开全文
  • Ubuntu使用conda配置tensorflow-gpu有两种方法 1.采用conda创建虚拟环境,直接在conda环境中安装cuda,cudnn和tensorflow-gpu 参考博客 https://blog.csdn.net/a745233700/article/details/109377039 2.在本机中先...

    Ubuntu使用conda配置tensorflow-gpu有两种方法
    1.采用conda创建虚拟环境,直接在conda环境中安装cuda,cudnn和tensorflow-gpu

    参考博客
    https://blog.csdn.net/a745233700/article/details/109377039

    2.在本机中先安装cuda,cudnn,再创建虚拟环境,配置tensorflow-gpu

    参考博客
    https://blog.csdn.net/Lin3119333/article/details/100018226
    (ps:这两种方法我也不太确定用哪个,可以自己考虑一下)

    踩过的坑

    1.ubuntu下编辑文本
    按下I,在最后一行开始写入,按下Esc,结束写入,并按下:wq,结束

    2.安装cuda后,nvidia-smi报错
    这是因为cuda会自己重新安装一个驱动,因此需要重启才会生效

    3.tf.test.is_gpu_available()输出false
    一定要确定自己的cuda、cudnn以及tensorflow的版本是否一致!!!
    我一直以为自己的版本一致,后来发现是我想当然了,找了无数的方法后来发现是我的版本不一致。可以采用

    physical_devices=tf.config.experimental.list_physical_devices("GPU")
    print(physical_devices)
    

    来看运行的时候是否检测到GPU

    4.重新安装cuda是报错已有最新版本
    因为我在卸载原先的cuda时,没有找到卸载程序,直接暴力删除cuda的文件,在重新安装cuda时一直提示有新的版本

    解决方案
    采用runfile方法,参考博客https://blog.csdn.net/weixin_44148028/article/details/120988088

    一定记住把driver前面的x去掉
    在这里插入图片描述
    当然,强推CSDN的问答,有实在解决不了的问题可以在问答区询问,有其他的问题也可以在评论区讨论。

    展开全文
  • 目录torch问题tensorflow-gpu问题参考 torch import torch ''' 配置成功会输出一个device ID:0 未配置成功会输出False ''' torch.cuda.current_device() ''' 或者,返回True or False ''' print(torch.cuda.is_...
  • TensorFlow + GPU配置

    万次阅读 2019-05-24 17:41:03
    要使用 GPU 版的 TesnorFlow 来加速我们的神经网络运算,首先要确保,我们的 GPU依 赖环境已经搭好。在终端输入命令: 显示如下: 在终端输入命令: 显示如下: 如果没有安装 cuda 和 cudnn,到官网根自己的 GPU ...
  • Window10+GPU配置pytorch

    千次阅读 2019-05-24 10:53:08
    Window10+GPU配置pytorch 环境:Window10 + GPU + CUDA10.0 + cudnn7.5.1 + Anaconda 1、Windows10配置CUDA10.0+cudnn7.5.1 2、Anaconda下载地址,安装地址默认,过程中勾选添加系统环境省去后面手动配置...
  • tensorflow-GPU配置成功测试代码

    千次阅读 2021-05-27 19:57:44
    验证tensorflow-GPU,cuda,cudnn配置是否成功 import tensorflow as tf tensorflow_version = tf.__version__ gpu_available = tf.test.is_gpu_available() print('tensorflow version:',tensorflow_version, '\...
  • 使用命令查看电脑GPU配置

    万次阅读 2018-11-19 15:57:04
    3、在官网上查看对应的GPU详情 https://developer.nvidia.com/cuda-gpus https://www.nvidia.com/en-us/geforce/products/10series/geforce-gtx-1050/ https://docs.nvidia.com/cuda/cu...
  • keras GPU 配置灵活使用

    千次阅读 2018-06-08 08:44:05
    1、指定GPUimport osos.environ["CUDA_VISIBLE_DEVICES"] = "2"2、按需分配import tensorflow as tfimport keras.backend.tensorflow_backend as KTFconfig = tf.ConfigProto() config.gpu_...
  • TensorFlow GPU配置

    千次阅读 2019-08-11 16:26:14
    1.去TensorFlow官网查看配置信息 https://tensorflow.google.cn/install 只需要确定cuda版本和TF版本即可,因为cuda安装文件可以自动安装Nvidia显卡驱动 2.下载TF 直接安装推荐的最新版本即可 pip install ...
  • Windows 10 上Xgboost GPU配置填坑过程

    千次阅读 2018-04-20 13:52:54
    主要过程:1. 安装vs(我装的是2017)2. 安装cuda(我装的是cuda9.1.85.3,... xgboost gpu相关参数及demo其他配置的比如:vs2015/2013,cuda 9.0/8.0等版本 编译好的dll已经放到网盘上了,如果你的版本(主要看cuda...
  • 对于matconvet version 1.25来讲,配置非常困难,这里把我的GPU编译文件奉献给大家,该程序已经完成了编译,且速度很快,对应cudnn 7.14版本和cuda9.2版本
  • Windows电脑GPU配置CUDA和cuDNN

    千次阅读 2022-02-10 09:45:34
    最近需要使用电脑的GPU进行并行计算,由于以前也配置GPU的深度学习环境,但是并没有自己总结如何配置GPU的CUDA和CUDNN,因此趁着这次写了这篇文章,留作记录。
  • theano gpu配置

    千次阅读 2017-09-10 13:11:16
      conda install theano配置.theanorc生成文件 sudo gedit ~/.theanorc(注意不要漏掉theano前面的一个点)并复制如下内容,然后保存,其中cuda一项的内容为cuda所安装的位置。   [global]   floatX=float32...
  • 新手GPU详细配置步骤

    千次阅读 2021-01-22 11:23:41
    去年毕业论文想使用CNN跑代码,用CPU太慢了,mnist手写数字识别数据集运行了将近半个小时,非常不利于之后调试,所以进行了GPU配置。现在重新发一下配置过程。 电脑基本配置:Dell笔记本,CPU Inter Core i7-8750H...
  • tensorflow-GPU环境配置

    千次阅读 2022-03-12 11:49:27
    本文主要介绍tensorflow-GPU环境配置,预计一小时完成。 前些日子开始入手学BERT来解决一些实际的问题,无奈环境的安装耗费了许多时间,消磨了一个初学者太多的耐心。 好在,终于走通了一条比较简单的路。现在特意记...
  • pytorch-gpu环境配置

    2022-04-25 18:32:12
    pytorch-gpu环境配置 1、在线安装 (已配置CUDA11.3,Cudnn8.0,Anaconda新建环境Python=3.9) 进入官网 //配置清华源 http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud//pytorch/win-64 ...
  • Anaconda+pycharm+pytorch+GPU配置教程

    千次阅读 2020-11-08 14:49:23
    Anaconda Anaconda下载: 直接官网下载...配置pytorch环境: 欢迎来到最坎坷的环节 pytorch配置有cpu版本和gpu版本 【注:】对于因为某些原因导致pytorch下载的特别慢的人建议使用镜像参考博客...
  • 如何查看自己的GPU型号以及配置信息 显卡已经是现在电脑的标配, 利用显卡来学习深度学习, 计算机视觉等开发已经非常普及. 那么如何查看你自己的显卡型号呢? 通过NVIDIA控制面板 右键单击桌面选择NVIDIA控制面板: ...
  • xgboost模型在跑大数据集时速度堪忧,正好最近配置了一块RTX2070,在网上搜了颇多资料利用GPU加速xgboost,在这里做一个归纳整理;...第一份资料完整阐述了GPU配置的整个过程,先用cmake生成文件,然后用vs编译,这里
  • tensorflow GPU配置失败的几个解决方法

    千次阅读 2021-03-10 14:40:30
    tensorflow GPU配置失败的几个解决方法 折腾了两天终于把tensorflow的gpu配上了,记录一下血泪教训,希望大家以后少走点弯路。 我的环境 cuda版本10.2、tensorflow版本2.3、python3.8,用的是windows云服务器 测试 ...
  • 【GTpaddle答疑】PaddlePaddle-CPU&GPU配置

    千次阅读 2021-01-26 21:47:49
    GPU配置安装说明1.1 安装Python3并学会Python基础1.2 下载一个顺手的IDE 安装说明 如果对Python开发非常熟练,这篇安装介绍则不需要看太多,用普通的pip就能完成,可以参考官方文档来配置PaddlePaddle ...
  • GPU深度学习环境配置

    千次阅读 2022-04-21 11:04:16
    配置之前,先说一下基础概念。 显卡驱动 显卡驱动就是用来驱动显卡的程序,它是硬件所对应的软件。驱动程序即添加到操作系统中的一小 块代码,其中包含有关硬件设备的信息。 CUDA CUDA(Compute Unified Device ...
  • GPU配置(可供选购GPU参考)

    千次阅读 2016-05-06 20:09:36
    GPU型号 GTX680/GTX 960 GTX 980 GTX Titan GTX 970     特点 便宜 最佳 (性价比高) 但对于大型卷积神经网络有点局限) 需要低成本的存储的话可以考虑 无...
  • 目前很多GPU相关程序(CUDA等),由于我们有时不使用最新版,因此不是专门针对win11 的版本,但是根据实际测试,使用win10版本基本上没有问题,因此,可以下载使用win10版本相关软件进行配置。 ...
  • tensorflow配置使用GPU

    千次阅读 2021-11-26 16:14:51
    tensorflow-gpu==1.15(对于 1.15 及更早版本,CPU 和 GPU 软件包是分开的) cuda==10 因为方便,我选择的是cuda10 和 tensorflow1.15,更多的版本支持请查看官方文档: 附上cuda10的官方下载连接: 查看当前计算机...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 118,108
精华内容 47,243
关键字:

gpu配置