来源：投稿作者：子苏编辑：学姐之前一直在GoogelColab平台上薅羊毛(使用免费GPU)，但是很快就遇到了GPU使用达到上限的问题，如下图：limitedGPU因此又来到Kaggle平台来薅羊毛，作为Kaggle小白，在此总结了一些常见的问题和实用tips。安装第三方包开始时一直安装不上任何包，把电脑wifi，翻墙工具检查了一遍，简直怀疑人生，后来发现原来是Internet选项没开启orz。把页面右侧Setting栏中的Internet选项开启 installotherpackages然后安装第三方包，比如pipinstallFastNLP==0.5.0。卸载第三方包卸载的时候经常会被询
Anaconda安装Tensorflow-gpu版本详细教程1、Anaconda的安装，目前已有许多安装Anconda的博客，本文不再赘述，给出对应安装的博客链接。Anconda安装博客1Anconda环境变量的修改2、Cuda和Cudnn的安装2.1Cuda和Cudnn的版本选择安装Cuda和Cudnn时一定注意对应的版本号。包括：tensorflow-gpu版本对用的Cuda和Cudnn，一定要先确定安装哪个版本的tensorflow-gpu版本再选择下载Cuda和Cudnn的版本。具体版本对应的信息见：版本对应信息笔者采用的Cuda版本为11.2，Cudnn的版本为8.1，对应的tens
Anaconda安装Tensorflow-gpu版本详细教程1、Anaconda的安装，目前已有许多安装Anconda的博客，本文不再赘述，给出对应安装的博客链接。Anconda安装博客1Anconda环境变量的修改2、Cuda和Cudnn的安装2.1Cuda和Cudnn的版本选择安装Cuda和Cudnn时一定注意对应的版本号。包括：tensorflow-gpu版本对用的Cuda和Cudnn，一定要先确定安装哪个版本的tensorflow-gpu版本再选择下载Cuda和Cudnn的版本。具体版本对应的信息见：版本对应信息笔者采用的Cuda版本为11.2，Cudnn的版本为8.1，对应的tens
目录说明单GPU/CPU情况多GPUDataParallelDistributedDataParallel1.使用torch.distributed.init_process_group初始化进程组2.使用torch.nn.parallel.DistributedDataParallel创建分布式并行模型3.创建对应的DistributedSampler和BatchSampler，制作dataloader4.使用torch.multiprocessing/torch.distributed.launch开始训练对BN层进行同步处理说明如果是单个GPU或CPU可通过torch.cuda.is_a
目录说明单GPU/CPU情况多GPUDataParallelDistributedDataParallel1.使用torch.distributed.init_process_group初始化进程组2.使用torch.nn.parallel.DistributedDataParallel创建分布式并行模型3.创建对应的DistributedSampler和BatchSampler，制作dataloader4.使用torch.multiprocessing/torch.distributed.launch开始训练对BN层进行同步处理说明如果是单个GPU或CPU可通过torch.cuda.is_a
深度学习框架MxNet配置（GPU版本）1.对应镜像：https://mirrors.aliyun.com/pypi/simple/mxnet/找到与自己电脑Python版本对应（命令行使用python--v查看对应版本）的版本下载2.在对应文件夹下ctrl+shift+右键在此处打开PowerShell窗口，复制文件夹名字mxnet-1.7.0.post2-py2.py3-none-win_amd64.whl，在命令行输入pipinstall+右键，剩下的文件名部分自动粘贴，回车。3.出错，先排除pip版本需要更新问题，命令行输入python-mpipinstall--upgradepip不
深度学习框架MxNet配置（GPU版本）1.对应镜像：https://mirrors.aliyun.com/pypi/simple/mxnet/找到与自己电脑Python版本对应（命令行使用python--v查看对应版本）的版本下载2.在对应文件夹下ctrl+shift+右键在此处打开PowerShell窗口，复制文件夹名字mxnet-1.7.0.post2-py2.py3-none-win_amd64.whl，在命令行输入pipinstall+右键，剩下的文件名部分自动粘贴，回车。3.出错，先排除pip版本需要更新问题，命令行输入python-mpipinstall--upgradepip不
【python初级】windows安装onnx、onnxruntime以及onnxruntime-gpu1、背景2、升级pip3、pip安装onnx4、pip安装onnxruntime5、pip安装onnxruntime-gpu1、背景ONNX即OpenNeuralNetworkExchange，开放神经网络交换。ONNX是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移，这个标准对应了.onnx文件格式。ONNX的规范及代码主要由微软，亚马逊，Facebook和IBM等公司共同开发，以开放源代码的方式托管在Github上。目前官方支持加载ONNX模型并进行推理的深度学习框架有：
【python初级】windows安装onnx、onnxruntime以及onnxruntime-gpu1、背景2、升级pip3、pip安装onnx4、pip安装onnxruntime5、pip安装onnxruntime-gpu1、背景ONNX即OpenNeuralNetworkExchange，开放神经网络交换。ONNX是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移，这个标准对应了.onnx文件格式。ONNX的规范及代码主要由微软，亚马逊，Facebook和IBM等公司共同开发，以开放源代码的方式托管在Github上。目前官方支持加载ONNX模型并进行推理的深度学习框架有：
pytorch在服务器上跑的很慢，nvidia-smi显示GPU利用率一直是0%，总结了一些可以检测深度学习算法是否在使用GPU的方法。利用gpustat或nvidia-smi实时监控GPU使用率安装gpustataptinstallgpustat启动gpustatwatch-n1--colorgpustat--color每秒输出实时监测结果，如下图：也可利用nvidia-smi实时监控，会显示更多的参数$watch-n1nvidia-smi--query-gpu=index,gpu_name,memory.total,memory.used,memory.free,temperature.g
