jupyter notebook指定显卡

可以通过设置环境变量来指定使用的显卡。具体步骤如下：

1. 打开终端，输入以下命令，查看当前可用的显卡：

   nvidia-smi

2. 找到需要使用的显卡的编号，例如编号为 1。

3. 设置环境变量 `CUDA_VISIBLE_DEVICES`，将需要使用的显卡编号作为参数，例如：

   export CUDA_VISIBLE_DEVICES=1

4. 启动 jupyter notebook，即可使用指定的显卡。

相关问题

无独立显卡jupyter notebook配置pytorch

### 配置 Jupyter Notebook 使用 PyTorch CPU 版本

#### 创建 Conda 环境并安装依赖
为了确保环境干净无冲突，在 Anaconda 的环境中创建一个新的文件夹，选择相应的 Python 版本并准备安装对应的 PyTorch 版本[^1]。

conda create -n pytorch_cpu python=3.9
conda activate pytorch_cpu

#### 安装 PyTorch CPU 版本
对于仅有集成显卡的情况，应选择只支持 CPU 运算的 PyTorch 版本来安装。通过访问 [PyTorch官方页面](https://pytorch.org/) 并按照提示选择操作系统为 Windows 和包管理工具 conda 后，可获得适合当前需求的具体安装指令[^2]。

conda install pytorch torchvision torchaudio cpuonly -c pytorch

此命令会自动处理所有必要的依赖关系，并将适用于 CPU 的 PyTorch 库安装到指定环境中[^4]。

#### 安装 Jupyter Notebook
为了让新建立的 Conda 环境能够被 Jupyter Notebook 所识别和支持，还需要额外安装 ipykernel 组件以及 jupyter notebook 自身：

conda install ipykernel
python -m ipykernel install --user --name pytorch_cpu --display-name "Python (pytorch_cpu)"
conda install jupyter

以上操作完成后，启动 Jupyter Notebook 即可在浏览器端看到名为 `Python (pytorch_cpu)` 的内核选项，这表明已经成功集成了 PyTorch 到 Jupyter Notebook 中。

验证安装是否成功的最简单方法是在新的笔记本单元格里运行简单的测试代码来确认 torch 是否正常工作[^3]:

import torch
print(torch.__version__)
x = torch.rand(5, 3)
print(x)

jupyter notebook cuda

### 如何在 Jupyter Notebook 中配置和使用 CUDA

为了使 Jupyter Notebook 能够识别并利用 GPU 加速计算，需要确保 PyTorch 或 TensorFlow 等支持 CUDA 的库已经正确安装于对应的 Conda 虚拟环境中[^1]。

#### 创建带有 CUDA 支持的虚拟环境
通过 Anaconda Prompt 进入目标虚拟环境，并安装具有 CUDA 版本的支持包。例如对于 PyTorch：

conda create -n pytorch_cuda python=3.8
conda activate pytorch_cuda
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

上述命令创建了一个名为 `pytorch_cuda` 的新环境，并安装了指定版本的 PyTorch 及其依赖项，其中包含了适用于 NVIDIA 显卡的 CUDA 工具集[^2]。

#### 配置 Jupyter Kernel 以便访问该环境中的 Python 解释器
为了让 Jupyter Notebook 认识到新的虚拟环境，需先安装 ipykernel 并将其注册为可用内核之一：

conda install ipykernel
python -m ipykernel install --user --name=pytorch_cuda --display-name "Python (PyTorch+CUDA)"

此时重启 Jupyter Notebook 后，在新建文档时应该能看到新增加的选择项 “Python (PyTorch+CUDA)”。

#### 测试 CUDA 是否正常工作
最后一步是在笔记本里编写简单的测试代码来验证一切设置无误：

import torch
print(f'CUDA Available: {torch.cuda.is_available()}')
if torch.cuda.is_available():
    device = 'cuda'
else:
    device = 'cpu'

tensor_example = torch.tensor([1., 2., 3.], device=device)
print(tensor_example)

这段程序会打印出当前设备是否启用了 CUDA 功能以及一个位于默认设备上的张量实例。