以下教程建立在已经安装好Tensorflow2
深度学习环境基础上,进一步管理GPU
资源消耗。
查看GPU
数量
1 | import tensorflow as tf |
以下教程建立在已经安装好Tensorflow2
深度学习环境基础上,进一步管理GPU
资源消耗。
GPU
数量1 | import tensorflow as tf |
大家在使用Jupyter Notebook
进行编程时,如果需要在不同的虚拟环境中运行Jupyter
,常见的做法是首先激活虚拟环境,然后在该虚拟环境下进入Jupyter Notebook
环境才行。这样会导致我们如果同时运行多个项目时,就需要同时激活多个虚拟环境进入Jupyter Notebook
服务,过程十分繁琐。那有没有办法能够在不开启多个Jupyter Notebook
服务的前提下切换虚拟环境呢?
答案是有的,本教程提出的主要目的是帮助开发者在使用Jupyter Notebook
时,切换环境内核,建议使用conda
搭建的虚拟环境。
整个步骤如下:
在实际开发工作中,不同的项目可能使用的第三方软件包的版本不同,而一个环境只能安装一个版本的同一软件包【例如安装了Tensorflow2.3
后,再安装Tensorflow2.9
前面的Tensorflow2.3
就会被卸载】,要是遇到两个项目同时推进,就需要不断的在两个版本之间进行切换,这个时候单一的Python环境就无法满足开发工作需求,这个时候就需要使用虚拟环境。
conda create –n a1(环境名称,可以任意选取) python=3.8(Python版本可自选,但需保证版本低于Anaconda默认环境Python版本)
例如:搭建一个虚拟环境名称为tensorflow
的虚拟环境,使用python3.8
作为解释器,搭建代码如下所示:
1 | conda create –name tensorflow python=3.8 |