如何检查 Jupyter 是否正在使用 GPU

在使用深度学习框架（如 TensorFlow 和 PyTorch）时，我们通常需要使用 GPU 来加速计算。如果您正在使用 Jupyter notebook 进行开发，那么您可能会想知道 Jupyter 是否正在使用 GPU。

以下是检查 Jupyter 是否正在使用 GPU 的步骤：

步骤 1：安装必要的工具

要检查 Jupyter 是否正在使用 GPU，您需要安装一些必要的工具：nvidia-smi 和 jupyter notebook。如果您还没有安装这些工具，请参考以下步骤进行安装：

1. 安装 nvidia-smi：nvidia-smi 是用于监视 GPU 状态的命令行工具，我们可以使用它来检查 GPU 是否正在使用。在终端中输入以下命令以安装 nvidia-smi：

   sudo apt-get update
   sudo apt-get install nvidia-smi
   

2. 安装 jupyter notebook：jupyter notebook 是一个交互式的 web 界面，它可以帮助我们创建和共享 Jupyter 笔记本。在终端中输入以下命令以安装 jupyter notebook：

   pip install jupyter
   

步骤 2：启动 Jupyter notebook

在安装了必要的工具后，我们需要启动 Jupyter notebook。在终端中输入以下命令以启动 Jupyter notebook：

jupyter notebook

这将打开一个新的浏览器窗口，其中包含 Jupyter notebook 的主页。您可以单击“New”按钮创建一个新的笔记本。

步骤 3：运行 TensorFlow 或 PyTorch 的示例代码

在创建了一个新的笔记本后，您可以运行一些 TensorFlow 或 PyTorch 的示例代码来检查是否正在使用 GPU。以下是一些示例代码：

TensorFlow 代码

import tensorflow as tf
tf.test.gpu_device_name()

运行此代码后，如果您看到以下输出，则表示 TensorFlow 正在使用 GPU：

'/device:GPU:0'

PyTorch 代码

import torch
torch.cuda.current_device()

运行此代码后，如果您看到以下输出，则表示 PyTorch 正在使用 GPU：

0

结论

检查 Jupyter 是否正在使用 GPU 是非常简单的。通过安装必要的工具和运行一些示例代码，您可以轻松地确定 Jupyter 是否正在使用 GPU，并进行深度学习开发。