我在一个ubuntu18.04服务器上安装了jupyter实验室。我已经安装了一个显卡，并使用python3.6.9安装了tenserflow 2.3.1 (按照下面的说明：)。GPU！:0', device_type='XLA_GPU')]IPYTHON=‘XLA_GPU’)，PhysicalDevice(名称=‘&#
浏览 4提问于2020-11-28得票数 2
这个动态链接库和LabVIEW VI是在一台计算机(办公室)上开发的，我需要在不同的计算机(在实验室)上运行相同的程序。谢谢
浏览 3提问于2012-06-12得票数 3
回答已采纳
我正在使用anaconda，从它的基本环境中，我可以轻松地打开jupyter笔记本和jupyter实验室。我有另一个名为gpu_jupyter的环境，它运行得也很好。但是在基本环境下安装nltk (使用conda )之后，jupyter实验室就没有在gpu_jupyter env上工作。它显示了 File "C:\Users\emt\anaconda3\envs\gpu_jupyter\Scripts\jupyter-sc
浏览 1提问于2021-07-05得票数 1
回答已采纳
实验室里有一个DGX-1。对于MLperf坞应用程序，我可以使用NV_GPU=x来分配要使用的GPU。但是，我有一个python /TensorFlow代码，我使用了同样的方式，加载不会转到指定的GPU。
浏览 1提问于2019-09-12得票数 0
回答已采纳
1回答
是否有任何云开发平台提供对NVIDIA GPU实例的免费访问，可能只在有限的试用期内？我想在承诺接受付费选择之前，先对它进行研究。我尝试过AWS、和IBM，但是他们都没有这个选择。
浏览 0提问于2017-06-18得票数 0
我想使用AWS SageMaker Studio实验室来训练一些深入学习模型，但是当我想使用train.py时，SageMaker会返回一个关于stdnfile的错误。AWS服务器类型为ml.m5.24xlarge和ml.t3.medium ( SageMaker服务器)。我在AWS SageMaker Studio中请求GPU服务器，但我仍在等待SageMaker另一方面，我正试图在AWS SageMaker工作室实验室中使用GPU进行培训。
浏览 14提问于2022-06-25得票数 1
所以我在CUDA教授速成班，教学生如何编写好的GPU代码(本例中为CUDA 7.5 )。它们将运行的内核将在2048x2048浮点矩阵上进行矩阵乘，有些内核涉及多个块和共享内存。学生们将进入具有GPU的服务器，在那里他们将编译和运行他们的程序。我不知道这有多可行，我所能想象的防止经济放缓的唯一步骤就是通过告诉学生传递cudaSetDevice()的值，将一组学生分配给不同的GPU。为后人而编辑:我最后没有采取任何预防措施，实验室运行得很顺利。不过，测试并不多，因为只有一半左右的学生同时做实验，我们只需要介
浏览 0提问于2018-07-19得票数 3
回答已采纳
1回答
几个小时前，我成功地启动并运行了Theano+Keras GPU环境。我甚至测试了一些代码以确保它是在GPU上执行的。GpuArrayException: cuDevicePrimaryCtxRetain: CUDA_ERROR_OUT_OF_MEMORY: out of memory
我在我们的大学服务器上使用GPU，它被实验室中的许多学生共享。ECC | | Fan Temp Perf Pwr:Usage/Cap| Memory-Usage | GPU
浏览 3提问于2018-06-06得票数 1
回答已采纳
其中一个要求，我应该安装cuDF与GPU特斯拉T4。而google每次给我、GPU、特斯拉、K80、和我都不能安装cuDF。我试过这段代码来检查我每次都有哪种类型的GPU：handle = pynvml.nvmlDeviceGetHandleByIndex(Please make sure you've configured Colab to request a GPU instance type.If you get a K80 GPU
浏览 2提问于2022-02-28得票数 0
回答已采纳
当我使用pip安装TensorFlow时。它起作用了，但当我运行代码时：它让我看到了错误 File "c:\Users\User\Desktop\sanu\A programming\python\Python Progams\comparing\balance.py", line 9, in <module> File "C:\Users\User\AppData\Local
浏览 0提问于2020-03-14得票数 0
我可以导入tensorflow并在Cloud Datalab中运行模型，但我如何配置它以使用GPU？这里的文档只讨论机器，我不确定如何通过Datalab：进行配置datalab create --machine-type standard_gpu ml
当我选择us-east1区域时，我得到错误https://www.googleapis.com/compute/v1/projects/project-160204/zones/us-east1-d/mac
浏览 2提问于2017-03-10得票数 5
我正在研究Keras的多gpu建模。因此，在投入时间之前，我尝试了一个来自lambdalabs的4 gpu实例上的简单跳过图模型。一个gpu的性能比Kaggle的内核稍差(在lambda实验室的gpu上内核的数量更少)。也是-我正在使用fit_generator。是gpu</em
浏览 0提问于2019-07-31得票数 0
我做了比较-相同的数据文件(分类问题，10K评论的情感分析)，完全相同的笔记本代码(copy+paste)，相同的最新版本的ktrain安装在两者上，两者都必须在Python3.8上，但GPU在colab至少让我感到惊讶的是:谷歌实验室的工作速度比快了10倍: 17分钟对170分钟，而且它是可复制的。特斯拉实验室( Tesla T4，colab)确实比K80 (天蓝色)快，但并不像已知的基准那么快。顺便说一句，谷歌免费为你提供实验室里的T4，而你必须在Azure支付较慢的K80。Google协同实验室执行
浏览 1提问于2022-08-08得票数 3
我管理我们实验室的多台GPU服务器，这些服务器主要用于深度学习任务。我们希望这些机器共享相同的文件系统，因此更容易在它们之间切换。我担心的是，由于这些机器具有不同的配置(不同的CPU、GPU、内存)和运行不同的作业，所以有一些文件夹，如/dev、/proc、/tmp。直接共享/是个好主意吗？但是，我们的服务器主要用于算法开发(调试)，因此最好将它们与客户端计算机直接连接。不使用作业队列系统就可以共享整个文件系统吗？
浏览 0提问于2023-04-13得票数 2
train model with higher settings # train model with lower settingsgpu_namenvidia-smi --query-gpu=gpu_name --format=csvcolab_pro = False if 'T4' in gpu_nam
浏览 6提问于2020-09-02得票数 10
2回答
我面临一些问题与GCP和AI平台(木星实验室)，似乎我无法维持一个稳定的连接与服务器很长时间。我一直收到那些‘服务器连接错误’消息。我的主要实例的配置：- 16 GPU 60 GPU内存-A P100 NVIDIA GPU
我尝试过不同类型的例子，我一直有同样的问题，网络在家里是稳定的。
浏览 6提问于2020-02-26得票数 6
直到35:10，一切都很好，我完成了所有的步骤:创建一个虚拟环境，在里面安装ipykernel，打开木星实验室。然后，在木星实验室，我成功地安装了TensorFlow，但当我安装TensorFlow-gpu时，我有一个错误，我不知道如何纠正它。你知道我如何纠正这个错误吗？提前感谢您的帮助和时间。
浏览 4提问于2022-09-21得票数 0
我是Ubuntu和GPU的新手，最近在我们的实验室使用了Ubuntu 16.04和4 NVIDIA 1080 to的新PC。这台机器还有一个i7 16核心处理器。我有一些基本问题：
基于这个输出-它真的说
浏览 3提问于2017-08-07得票数 12
回答已采纳
问题是我实验室的服务器没有GPU，所以我不得不使用CPU。
我用谷歌搜索了一下，得到了一些像这样的页面。
浏览 0提问于2015-05-12得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
腾讯会议
云直播
对象存储活动推荐
腾讯云开发者
