在Jupyter Lab中运行的代码使用的GPU RAM与作为脚本运行的代码使用的GPU RAM非常不同
我正在用PyTorch训练一个3D连体网络。当我从iPython (v7.15.0)终端运行代码时，GPU RAM使用率达到最大值1739M：
当我将相同的代码复制到Jupyter笔记本(在Jupyter Lab v2.1.5中)时，GPU RAM使用率为10209M：
Jupyter Lab在相同的Python虚拟环境中从终端运行。
首先，我不明白为什么在Jupyter Lab中运行脚本会使GPU RAM使用率增加近6倍。
其次，与此相关的是，有没有办法让Jupyter Lab在一种使用1739M范围内的GPU RAM的模式下运行？我喜欢拥有围绕代码和输出的所有“文档”的能力。
Python版本3.6.9。
回答 1
Stack Overflow用户
发布于 2020-07-01 19:24:37
好了，现在我意识到当我运行这两个函数时有什么不同。
我的机器上有两个M2000，一个是驱动视频的Quadro GPU，另一个是Titan XP。当我在命令行上运行JupyterLab时，我以jupyter lab身份运行它，但当我运行iPython时，我以CUDA_VISIBLE_DEVICES=0 ipython --pylab身份运行它。在没有CUDA_VISIBILE_DEVICES的情况下，它给了我关于GPUS不匹配的警告。当我在iPython终端中运行时，我之前看到了警告，但当我运行JupyterLab时，我没有看到它们。
所以，这仍然是奇怪的内存使用率的泰坦XP会跳到内存的10G+。
https://stackoverflow.com/questions/62675254
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号