如何使用自己电脑上自带的GPU来运行pycharm中的程序

准备工作：在代码中指定gpu来运行
第一步：cuda的安装
第二步：mxnet的安装
第三步：可能的numpy问题
附1：如何回到CPU模式
附2：如何判断自己是否在用GPU

准备工作：在代码中指定gpu来运行

如果需要用gpu运行代码，必须先在代码中指定gpu，即将相应的值存储在显存上，这是第一步
1.默认情况下，数据都是存放在内存上，如

x = nd.array([1, 2, 3])
print(x)

会输出

说明此时是在cpu上运行，如果为了查看某矩阵所在的设备，可以使用其context属性

print(x.context)

会输出cpu(0),表示在第0块cpu上

2.将值存储在GPU上
方法一：直接将变量创建在gpu(0)上

a = nd.array([1, 2, 3], ctx = mx.gpu(0)) # 放在第0块gpu上，如果括号内不填数字，也是默认0

方法二：通过copyto函数或as_in_context函数在设备之间传输数据，如将前文中内存上的x变量复制到gpu(0)上
使用copyto函数复制到显存中的变量y

y = x.copyto(mx.gpu())

使用as_in_context函数复制到显存中的变量z

z = x.as_in_context(mx.gpu())

之后的计算会在context指定的设备上进行
3.Gluon模型的GPU计算
初始化神经网络时，也需要将模型参数初始化在显存上

net = nn.Sequential()
net.add(nn.Dense(1))
net.initialize(ctx = mx.gpu(0))

第一步：cuda的安装

首先进入NCIVA控制面板，点击左下方系统信息，再点击组件，发现在3D设置里面有CUDA11.1，但是这个CUDA貌似在Pycharm中无法同时，同时按：Win+R，输入cmd后，在命令行中输入:

nvcc --version   #用于查看cuda版本

提示：不是内部命令或外部命令,也不是可运行程序，于是推测并没有真正安装CUDA，所以下一步就是去安装CUDA
进入网站：https://developer.nvidia.com/cuda-toolkit-archive
找到对应的CUDA版本下载。我用的是mxnet，所以下载10版本即可，11版本目前没有对应的gpu版本的mxnet，这点需要注意，下载后默认安装即可。
然后再次查看CUDA 版本（方法同上），发现已经安装成功

第二步：mxnet的安装

备注：如果需要pip install xxx的话，不要在电脑命令行中进行（即cmd那种），直接在pycharm的terminal中输入命令操作，否则会出各种问题！！！！
注意：下面操作均在pycharm的terminal中进行！！！！
大家可能最开始时，都是在pycharm中通过：

pip install mxnet

但这是安装了cpu版本的mxnet，可以正常运行在cpu下运行代码，但是不可以在gpu下运行代码，为此我们需要安装gpu版本的mxnet。
首先，卸载cpu版本的mxnet

pip uninstall mxnet

然后安装gpu版本的mxnet，必须注意的是，这里安装的mxnet版本和我们第一步安装的CUDA版本必须兼容，否则会出问题。这里以我安装的CUDA 10.1版本为例，安装对应mxnet

pip install --pre mxnet-cu101

①代码中的101指的就是版本，如果你安装的CUDA是9.2，那么这里就是cu92
②mxnet前面必须加–pre，否则安装完成照样运行不了（原因未知）

第三步：可能的numpy问题

成功完成上述操作后，运行代码时发现提示AttributeError: module ‘numpy’ has no attribute ‘int32’’,这时我们需要先卸载原来的numpy

pip uninstall numpy

(推测)然后安装这个版本下的numpy

pip install -U numpy

至此大功告成，应该已经可以使用gpu运行代码了

附1：如何回到CPU模式

先卸载已安装的GPU模式的mxnet-cu101
(如果不影响安装cpu的mxnet的话，貌似也可以不卸载)

pip uninstall mxnet-cu101

再安装cpu版本的mxnet

pip install mxnet

会发现连cpu版本对应的numpy也安装好了，这是就可以重新用CPU进行运行啦~

附2：如何判断自己是否在用GPU

按照上述操作使用GPU跑代码时，直观上确实发现速度比最开始的CPU快很多，但为了确定一下确实是用GPU，故运行时打开任务管理器：

发现GPU利用率始终是0。但是在代码运行过程中和停止运行后，用cmd命令：nvidia-smi 查看GPU情况，发现并不一样
左为停止状态下，右为运行状态下
从左到右红框的五项指标依次表示：
①显卡温度
②性能状态，从P0到P12，P0表示最大性能，P12表示最小性能
③当前功率
④系统占用显存数量和显存总大小
⑤显存核心利用率
可以得知，确实是在用GPU运行，那么就是任务管理器出问题了

查阅了一些资料发现，解决方法有两个：
1.GPU检测的驱动出了一些问题，到网上下载个驱动修复之类的就行
2.专门下载一个GPU监测的小程序也可

gpu运行pycharm相关推荐

GPU运行Tensorflow详细教程及错误解决
GPU运行Tensorflow详细教程及错误解决前提条件配置GPU运行确认是否成功配置出现的错误及解决方案前提条件最重要的一点:CUDA与tensorflow的版本一点要对应,不然用不了! ...
win运行pycharm找不到要加载的model.pkl文件是workingspace设置路径与文件路径位置不对应
windows环境中运行pycharm提示找不到要加载的model.pkl路径,原来是pycharm中有一个workingspace设置的路径没有跟当前代码的路径位置对应所致. pycharm中左边文 ...
成功解决：Win系统下的Tensorflow使用CPU而不使用GPU运行加速
成功解决:Win系统下的Tensorflow使用CPU而不使用GPU运行加速目录解决问题解决思路解决方法解决问题 Win系统下的Tensorflow使用CPU而不使用GPU运行加速解决思路 ...
多GPU运行Deep Learning 和并行Deep Learning（待续）
本文论述了 Deep learning运行所需的硬件配置,多GPU运行Deep Learning,设置Deep Learning的数据并行和模型并行.详情请参考下文 http://timdettme ...
使用Google colab的GPU运行resnet
使用Google colab的GPU运行resnet 由于我的电脑显卡是AMD,跑代码每一个epoch都要超级超级久,偶然间听到了Google colab,于是用起来了,感觉非常爽 Colaborat ...
Macbook Pro 外接显卡实现Tensorflow GPU运行之内屏输出
Macbook Pro 外接显卡实现Tensorflow GPU运行–内屏输出 MacOS 重装外接显卡(内屏输出)
Android 读取CPU/GPU运行参数（MTK平台）
一.使用场景 Android运行一段世时间后,系统出现卡顿二.分析&定位问题系统卡顿,同时又发现芯片温度很高,怀疑是温度过高导致CPU降频,因此我们要将一段时间内CPU的运行信息打印出来. ...
Macbook Pro 外接显卡实现Tensorflow GPU运行之环境配置（重点）
Macbook Pro 外接显卡实现Tensorflow GPU运行–环境配置 MacOS 重装外接显卡(内屏输出) 环境配置(重点)
Macbook Pro 外接显卡实现Tensorflow GPU运行之MacOS系统重装
Macbook Pro 外接显卡实现Tensorflow GPU运行-MacOS重装 MacOS 重装

gpu运行pycharm