如何使用纯Python激活Google CoLab GPU

问题描述

我是Google CoLab新手。

我正尝试在那里进行深度学习。

我已经编写了一个类来创建和训练LSTM网络，只使用python，而不是任何特定的深度学习库，如TensorFlow、pytorch等。

我认为我使用的是GPU，因为我在CoLab中正确选择了运行时类型。

但是，在代码执行期间，我有时收到退出GPU模式的消息，因为我没有使用它。

因此，我的问题是：如何使用Google CoLab GPU，只使用普通的python，而不使用特殊的人工智能库？是否有类似于"装饰器代码"的内容可以放入我的原始代码中，以便激活GPU？

---

解决方案

确保nVIDIA驱动程序是最新的，您还可以安装CUDA工具包(协作时不确定是否需要)

又称Numba

如果需要，您可以使用conda安装它们

示例

conda install numba & conda install cudatoolkit
or
pip install numba

我们将对要在GPU上计算的函数使用numba.jit修饰符。装饰符有几个参数，但我们将只使用target参数。target告诉jit编译哪个源("cpu"或"cuda")的代码。"CUDA"对应于GPU。但是，如果将cpu作为参数传递，则jit会尝试优化代码在cpu上运行得更快，并提高速度。

from numba import jit, cuda 
import numpy as np

@jit(target ="cuda")                          
def func(a): 
    for i in range(10000000): 
        a[i]+= 1