IDE и редакторы кода — ваши лучшие друзья, когда вы хотите писать, изменять и выполнять свои собственные программы и коды. Jupyter Notebook — одна из таких IDE, которая отлично подходит программистам, специализирующимся на анализе данных, веб-скрапинге, машинном обучении и проектах на основе искусственного интеллекта. Для обычного программиста, увлекающегося наукой о данных, Jupyter Notebook станет идеальным компаньоном, поскольку позволяет создавать интерактивные документы для любых целей — от записи заметок до компиляции сложных кодов. Конечно, Jupyter Notebook будет хорошо работать на большинстве современных ноутбуков, но вам придется нелегко, если вы попытаетесь выполнить сложные задачи искусственного интеллекта и машинного обучения на простом процессоре.
К счастью, вы можете настроить Jupyter Notebook, чтобы переложить требовательные рабочие нагрузки глубокого обучения на мощную видеокарту, а не на процессор. Однако вам придется пройти несколько шагов, включая настройку библиотек Python, создание сред кодирования и установку драйверов, прежде чем вы сможете заставить IDE использовать ваш графический процессор.
Связанный
Как использовать Jupyter Notebook в Windows, Linux и macOS
Хотите получить максимальную отдачу от изучения Python? Познакомьтесь с блокнотами Jupyter
Установка Python
Этот шаг может показаться излишним, если вы уже по колено занимаетесь программированием, но вам необходимо установить Python на свой компьютер, чтобы использовать ИИ с ускорением на графическом процессоре в Jupyter Notebook. Просто загрузите файл Python.exe с официального сайта и нажмите кнопку установки после предоставления установщику прав администратора.
Связанный
Как установить Python в Windows, Linux и macOS
Если вы хотите установить Python и начать разработку, у нас есть удобное краткое руководство, которое познакомит вас с основами.
Большинству пользователей я рекомендую выбрать параметр «Отключить ограничение длины пути», чтобы избежать головной боли в будущем, вызванной ограничением длины путей к файлам в 260 символов, установленным Windows 11.
Установка Миниконды
Miniconda — это набор инструментов, который содержит важные библиотеки, среды и пакеты Python, необходимые для работы вашего графического процессора. Он также позволяет вам создать блокнот Jupyter.
- Загрузите файл setup.exe с официального сайта и запустите его с правами администратора.
- Выбрать Я согласен вариант, когда установщик попросит вас согласиться с условиями лицензирования и нажать Следующий.
- Выберите каталог, в который вы хотите установить Miniconda, и нажмите кнопку Следующий кнопка.
- Ударь Установить кнопку и нажмите Заканчивать после завершения установки.
Настройка среды Conda
Теперь, когда вы установили Python и Miniconda, пришло время настроить среду программирования для ваших проектов машинного обучения. Я рекомендую создать отдельную среду, поскольку в этом руководстве мы будем использовать более старые пакеты.
Поскольку последняя версия TensorFlow не работает в системах Windows 11, в которых не настроен предварительно WSL, вам придется установить сборку старше, чем TensorFlow v2.11. То же самое касается Python, поэтому вам придется перейти на Python 3.9 в новой среде Conda.
- Тип миниконда в Панель поиска Windows и выберите Запустить от имени администратора вариант под Подсказка Anaconda Powershell.
- Вставьте следующий код в терминал и нажмите Enter:
conda create --name my_env python=3.9 -y
- Активируйте вновь созданную среду с помощью следующей команды:
conda activate my_env
- Запустите эту команду, чтобы установить библиотеку cuDNN и драйверы CUDA:
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 -y
- Установите библиотеку TensorFlow, выполнив следующую команду:
pip install "tensorflow
Установка ноутбука Jupyter
Наконец, вы можете настроить локальный сервер Jupyter Notebook, содержащий все файлы вашего проекта.
- Запустите этот код внутри Подсказка Anaconda Powershell:
pip install jupyter notebook -y
- Откройте сервер Jupyter Notebook, набрав:
jupyter notebook
Вы можете проверить, работает ли среда программирования Miniconda с графическим процессором. Для этого
- Нажать на Новый кнопку и выбери Блокнот.
- Выбирать Питон 3 (ipykernel) как ядро.
- Скопируйте эти строки кода во вновь созданный блокнот:
-
import tensorflow as tf
-
gpus = tf.config.list_physical_devices("GPU") -
if gpus:
-
for gpu in gpus:
-
print("Found a GPU with the name:", gpu) -
else:
-
print("Failed to detect a GPU.")
-
- нажмите Бегать кнопка.
Если Jupyter Notebook отображает видеокарту в качестве выходных данных, это означает, что процесс прошел успешно!
Запуск Jupyter Notebook на графическом процессоре
Убедившись, что видеокарта работает с Jupyter Notebook, смело используйте импорт-тензорный поток команду каждый раз, когда вы хотите запустить свои коды на графическом процессоре. Если Jupyter Notebook не может обнаружить вашу видеокарту, вы можете повторить ту же процедуру в другой среде Miniconda. Я также рекомендую установить те же версии драйверов CUDA и библиотек cuDNN и TensorFlow, которые я использовал в этом руководстве, если вы столкнулись с ошибками совместимости.
Если ваши проекты компилируются целые эпохи, возможно, вашей видеокарте не хватает мощности. Обновление до лучшего GPU — это простое решение, которое даст вашему ПК столь необходимый импульс для запуска сложных алгоритмов ИИ и глубокого обучения.
Связанный
Лучшие графические процессоры для глубокого обучения в 2024 году
Хотите ли вы начать создавать изображения или работать с огромными наборами данных, мы предоставим вам графический процессор, необходимый для задач глубокого обучения.
