在这篇文章中，我们将带领您了解如何在spyder(anaconda3)中使用我的GPU运行我的python代码？的全貌，包括anaconda打开spyder的相关情况。同时，我们还将为您介绍有关ana

在这篇文章中，我们将带领您了解如何在 spyder (anaconda3) 中使用我的 GPU 运行我的 python 代码？的全貌，包括anaconda打开spyder的相关情况。同时，我们还将为您介绍有关anaconda3 Jupiter 中的 TensorFlow 库看不到我的 GPU NVIDIA GeForce MX 150、Anaconda3（2）Anaconda3 中安装 TensorFlow、gpu 机器安装 nvidia-smi 和 python 的 tensorflow-gpu 模块、GPU-Z怎么看显卡功耗？GPU-Z查看显卡功耗具体步骤的知识，以帮助您更好地理解这个主题。

• 如何在 spyder (anaconda3) 中使用我的 GPU 运行我的 python 代码？（anaconda打开spyder）
• anaconda3 Jupiter 中的 TensorFlow 库看不到我的 GPU NVIDIA GeForce MX 150
• Anaconda3（2）Anaconda3 中安装 TensorFlow
• gpu 机器安装 nvidia-smi 和 python 的 tensorflow-gpu 模块
• GPU-Z怎么看显卡功耗？GPU-Z查看显卡功耗具体步骤

如何在 spyder (anaconda3) 中使用我的 GPU 运行我的 python 代码？（anaconda打开spyder）

如何解决如何在 spyder (anaconda3) 中使用我的 GPU 运行我的 python 代码？

我正在尝试使用我的 GPU (Nvidia GeForce) 在 spyder 中运行我的 python 代码，但我不知道这样做的方法。

请帮忙！

解决方法

anaconda3 Jupiter 中的 TensorFlow 库看不到我的 GPU NVIDIA GeForce MX 150

如何解决anaconda3 Jupiter 中的 TensorFlow 库看不到我的 GPU NVIDIA GeForce MX 150

Jupiter 库无法看到我的 GPU NVIDIA GeForce MX 150。当我使用 tf.test.gpu_device_name() 时，我得到 ''''

当我使用 tf.config.experimental.list_physical_devices() 我得到 [PhysicalDevice(name=''/physical_device:cpu:0'',device_type=''cpu'')] but Pytorch can see it

Anaconda3（2）Anaconda3 中安装 TensorFlow

https://zhuanlan.zhihu.com/p/34730661

1. 安装 anaconda3：自行下载、安装【注意版本】

（可参考引用链接）

2. 搭建 TensorFlow 环境

cuda10.1

cudnn10.1

opencv4.11

显卡 1050ti

win10

2.1 输入清华库，更新快一点：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

2.2 在 anaconda 中创建 TensorFlow 环境

同样在 Anaconda Prompt 中利用 Anaconda 创建一个 python3.5 的环境，环境名称为 tensorflow ，输入下面命令：

3 开始安装

pip install --ignore-installed --upgrade tensorflow-gpu

cuda 关系对应表

https://blog.csdn.net/omodao1/article/details/83241074

安装 tf2.0- python3.6-cuda10.0 不是 10.1

pip install  tensorflow-gpu==2.0

安装 tf1.4- python3.6-cuda8.0-cudnn6-numpy1.16

pip install  tensorflow-gpu==1.4

测试程序

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import sys
sys.path.append("F:/dongdong/0tool/python/anaconda3/envs/work_cuda8_py36_tf14/Lib/site-packages")
import numpy
import tensorflow as tf
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name=''a'')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name=''b'')
c = tf.matmul(a, b)
sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))
print(sess.run(c))

报错两个

1 安装 werkzeug

2 安装 cypthon 库

3 问题  里可以发现你可能安装了两个 numpy，所以会报错

我通过从 numpy 卸载当前版本并通过重新安装最新版本来解决。
pip uninstall numpy

和

pip install numpy

python -m pip install --upgrade numpy

4 问题 cuda 不对。 10.0 和 10.1 都不行？？？

 您应该安装 Cuda 10.0。如果您安装了 Cuda 10.1，将没有文件cudart64_100.dll。我重命名cudart64_101.dll为cudart64_100.dll,可以正常工作。

5 Tensorflow 2.0 - AttributeError: module ''tensorflow'' has no attribute ''Session''

pip install --upgrade pip
pip install tensorflow==2.0.0-alpha0
pip install keras
pip install numpy==1.16.2

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
import sys
sys.path.append("F:/dongdong/0tool/python/anaconda3/envs/work_py36/Lib/site-packages")
import tensorflow as tf
hello = tf.constant(''Hello, TensorFlow!'')
sess = tf.Session()
sess.run(hello)
a = tf.constant(10)
b = tf.constant(32)
sess.run(a+b)

　　成功了

gpu 机器安装 nvidia-smi 和 python 的 tensorflow-gpu 模块

os: ubuntu14.04.4

python: 2.7.13

tensorflow-gpu: 1.4.1

cuda: 8.0.44-1

cudnn: cudnn-8.0-linux-x64-v6.0-tgz

1. 安装支持 gpu 设置的 tensorflow-gpu

pip install tensorflow-gpu==1.4.1 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

2. 安装 cuda

dpkg -i cuda-repo-ubuntu1404_10.0.130-1_amd64.deb
apt-key adv --fetch-keys http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1404/x86_64/7fa2af80.pub
apt-get update
apt-get install cuda=8.0.44-1

安装完 cuda，就有 nvidia-smi 命令可以在 shell 命令行查看 gpu 设备。因为 nvidia-418、nvidia-418-dev 这 2 个已经被当成依赖安装完成了。

当时因为碰到这个问题 https://devtalk.nvidia.com/default/topic/1048630/b/t/post/5322060/

解决思路来自 https://developer.nvidia.com/cuda-10.0-download-archive 选择操作系统、版本，下载 cuda-repo-ubuntu1404_10.0.130-1_amd64.deb。

3. 安装 cudnn

因为 libcudnn.so.6: cannot open shared object file: No such file or directory 这个报错

google 了一圈发现， 问题出在 TensorFlow 1.4-gpu 是基于 cuDNN6，需要的也就是 libcudnn.so.6 了。

解决方案：

到官网 https://developer.nvidia.com/cudnn 下载相应的 cudnn 库
tar xvzf cudnn-8.0-linux-x64-v6.0.tgz
cp -P cuda/include/cudnn.h /usr/local/cuda/include
cp -P cuda/lib64/libcudnn* /usr/local/cuda/lib64
chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*

Now set Path variables
$ vim ~/.bashrc
翻到最底部加上：
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda

最后进去 python 命令行

from tensorflow.python.client import device_lib

print(device_lib.list_local_devices())

看看输出信息有没有显示 GPU 设备

另外如果 nvidia-smi 碰到以下报错，可以尝试重启 (反正我是这么解决的。。)

Failed to initialize NVML: Driver/library version mismatch

GPU-Z怎么看显卡功耗？GPU-Z查看显卡功耗具体步骤

GPU-Z是一款很好用的GPU识别工具，使用该软件可以快速查看自己电脑显卡的信息，包括型号、步进、制造工艺、核心面积等，那么GPU-Z怎么看显卡功耗呢？针对这一问题，本篇带来了详细的教程，操作简单易上手，分享给大家，一起看看吧。

GPU-Z查看显卡功耗具体步骤：

1、首先，回到电脑桌面模式，鼠标右键单击下面的状态栏，如下图所示。

2、然后，选择右键菜单的任务管理器，如下图所示。

3、接下来，进入任务管理器，点击性能，如下图所示。

4、然后，进入性能点击左侧的GPU0，这里一般是集成显卡，如下图所示。

5、接着，进入集成显卡界面，可以看到下面的利用百分比了，如下图所示。

6、然后，点击GPU1这个一般是独立显卡，如下图所示。

7、最后，在独立显卡界面中，往下拉就可以看到独立显卡的利资源占用情况了，如下图所示。

扩展资料：

看电脑的显卡多大，具体步骤如下：

1、首先，点击电脑左下角的bai搜索框，输入“dxdiag”，然后按下回车键，如下图所示。

2、然后，电脑会自动打开“DirectX诊断工具”，点击“显示”，如下图所示。

3、最后，就能看到电脑的显卡内存的显存的大小，如下图所示。

以上就是GPU-Z怎么看显卡功耗的方法，希望能帮助到大家。

我们今天的关于如何在 spyder (anaconda3) 中使用我的 GPU 运行我的 python 代码？和anaconda打开spyder的分享就到这里，谢谢您的阅读，如果想了解更多关于anaconda3 Jupiter 中的 TensorFlow 库看不到我的 GPU NVIDIA GeForce MX 150、Anaconda3（2）Anaconda3 中安装 TensorFlow、gpu 机器安装 nvidia-smi 和 python 的 tensorflow-gpu 模块、GPU-Z怎么看显卡功耗？GPU-Z查看显卡功耗具体步骤的相关信息，可以在本站进行搜索。