Anaconda+JupyterLab+Venv+GPU配置

服务配置

1. 运行配置。

• 生成配置jupyter_lab_config.py文件。

  jupyter lab --generate-config

• 开启一个ipython窗口，生成密码哈希值

  from notebook.auth import passwd
  passwd()

• 访问生成的配置文件，目录为用户目录/.jupyter/jupyter_lab_config.py，修改配置文件

  c.ServerApp.ip = '0.0.0.0'
  c.ServerApp.port = 26000
  c.ServerApp.open_browser = False
  c.ServerApp.password = '【上一步生成的密码哈希值】'
  c.ServerApp.notebook_dir = '【希望的启动目录】'

2. 编写启动脚本rjupyter（可添加在环境变量），具有不重复启动、无多余日志功能。

   if test $( netstat -nltp | grep 26000 | wc -l ) -eq 0
   then
   nohup jupyter lab >/dev/null 2>&1 &
   fi

依赖源

1. 添加镜像源

   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
   conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
   conda config --set show_channel_urls yes

2. （可选）更新依赖

   conda upgrade --all

内核切换

将自己创建的虚拟环境添加到Jupyter

1. 安装内核自动管理工具

   conda install nb_conda_kernels

2. 创建虚拟环境。

   conda create -n 虚拟环境名 python=3.6 ipykernel

3. 在JupyterLab中选择虚拟环境名称对应的内核即可。

Pytroch+GPU

1. 使用conda源安装pytorch，它将会自动帮助我们匹配安装cudatoolkit。

   conda install pytorch

2. 在Jupyter中运行如下代码，进行GPU加速测试：

   import torch
   import time
   
   print('pytorch版本[%s],CUDA是否可用[%s]' % (torch.__version__, torch.cuda.is_available())) # 返回pytorch的版本
   
   a = torch.randn(10000, 1000)    # 返回10000行1000列的张量矩阵
   b = torch.randn(1000, 2000)     # 返回1000行2000列的张量矩阵
   
   # 直接CPU计算
   t0 = time.time()
   c = torch.matmul(a, b)
   t1 = time.time()
   print('[%s]运行时间[%s]，运行结果[%s]' % (a.device, t1 - t0, c.norm(2)))
   
   # 指定GPU计算（数据未压入CUDA，包含初始化）
   device = torch.device('cuda')
   a = a.to(device)
   b = b.to(device)
   t0 = time.time()
   c = torch.matmul(a, b)
   t2 = time.time()
   print('[%s]运行时间[%s](含CUDA初始化），运行结果[%s]' % (a.device, t2 - t0, c.norm(2)))
   
   # 指定GPU计算（数据已压入CUDA，不含初始化，仅计算时间）
   t0 = time.time()
   c = torch.matmul(a, b)
   t3 = time.time()
   print('[%s]运行时间[%s](不含CUDA初始化），运行结果[%s]' % (a.device, t3 - t0, c.norm(2)))

安装插件

1. 简体中文界面

   pip install jupyterlab-language-pack-zh-CN