ipynb指定GPU

在Jupyter Notebook中，如果你想要让某个IPython会话或Notebook运行时使用特定的GPU，通常是在使用支持GPU加速的库（如PyTorch、TensorFlow等）时操作。以下是一般的步骤：

1. **安装必要的库**：首先确保已经安装了支持GPU的版本，例如`torch`或`tensorflow-gpu`。

2. **设置环境变量**：在 notebook 或者命令行环境中设置CUDA相关的环境变量，比如`CUDA_HOME`和`LD_LIBRARY_PATH`。这通常取决于你的系统配置。对于Linux用户，可能需要编辑`.bashrc`文件添加这些路径。

   export CUDA_HOME=/path/to/your/cuda
   export PATH=$CUDA_HOME/bin:$PATH

3. **启用硬件加速**：在Python中，你需要导入相应的库并确保使用GPU设备。在PyTorch中，可以这样操作：

   import torch
   device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
   print(device)  # 如果可用，这将打印出GPU

4. **分配张量到GPU**：创建张量时明确指定设备，例如 `torch.randn(2, 2).to(device)`。

5. **检查分配**：使用`torch.cuda.current_device()`确认当前活跃的设备是否为预期的GPU。

6. **注意限制**：如果有多块GPU，确保你了解如何在代码中管理它们，因为不是所有的库都支持并行计算在多个GPU上。