火炬get_device_name和current_device被绞死？
我刚刚在我的机器上安装了一个新的GPU（RTX2070）和旧的GPU。我想看看Pytork是否捡到了它，所以按照这里的说明：如何检查Pytork是否正在使用GPU？，我运行了以下命令（Python3.6.9、LinuxMintTricia19.3）
>>> import torch
>>> torch.cuda.is_available()
True
>>> torch.cuda.current_device()
Killed
>>> torch.cuda.get_device_name(0)
Killed
两个停止的过程都需要一些时间，其中一个过程将机器冻结了半分钟左右。有没有人有这方面的经验？是否缺少一些设置步骤？
共有2个答案
对于任何人看到这一行，而我有英伟达司机成立，我需要得到一些其他东西，如CUDA和CUDNN工具箱。我在这方面找到的最好的文章是https://hackernoon.com/up-and-running-with-ubuntu-nvidia-cuda-cudnn-tensorflow-and-pytorch-a54ec2ec907d.
如果我理解正确，您希望列出可用的cuda设备。这可以通过nvidia smi（不是PyTorch功能）完成，旧的GPU和RTX 2070都应该显示为设备0和1。在Pytork中，如果要将数据传递到一个特定的设备，可以执行device=torch。设备（“cuda:0”）用于GPU 0和设备=火炬。用于GPU 1的设备（“cuda:1”）。运行时，您可以执行nvidia smi检查内存使用情况
-
我试过如何检查keras是否使用了tensorflow的gpu版本？答复但我只认出keras没有看到GPU。 我重新安装了整个需求，包括tensorflow gpu、keras模块，甚至CUDA。 我用的是Jupyter remote ipython。 下面的列表是我安装的模块版本 我检查了以下内容： 结果： =============已添加========== 此外，我还了解了如何从python
-
本文向大家介绍非屏蔽双绞线(UTP)和屏蔽双绞线(STP)电缆之间的区别。，包括了非屏蔽双绞线(UTP)和屏蔽双绞线(STP)电缆之间的区别。的使用技巧和注意事项，需要的朋友参考一下 非屏蔽双绞线(UTP) 非屏蔽双绞线或UTP是双绞线电缆，用于传输数据和语音，因为它们的频率范围适合传输。UTP更具成本效益，不需要扎根。 屏蔽双绞线(STP) 屏蔽双绞线或STP也是双绞线电缆，但需要接地，需要更多
-
我有一架飞机。我使用来限定这架飞机，以检测碰撞，效果很好。当飞机开始降落时，我旋转飞机的纹理，但矩形保持不变。我不知道如何旋转它。我需要用飞机的纹理旋转它，因为我的外壳不会碰撞飞机的尾部和驾驶室。 如何旋转矩形或创建多边形形状来包裹所有飞机？任何帮助都将不胜感激！
-
我正在尝试使用firebase应用程序中的文本，每个文本的每个页面视图，但它给了我这个拒绝的权限日志，我也尝试过使用FutureBuilder，但它给出了相同的错误。 我的错误日志: w/Firestore(28023):(0 . 6 . 6-dev)[Firestore]:监听查询(测试)失败:状态{code=PERMISSION_DENIED，description =缺少权限或权限不足。，c
-
我们有一个相当严格的网络分段策略。我正在使用云代工实例来部署应用程序。防火墙规则已经设置为从云代工实例中到达kafka集群。我相信防火墙规则也已经设置为到达动物园管理员实例。我需要实际确认一下。 我的问题似乎是我可以向kafka生成消息，但我的消费者似乎没有取件。它似乎在“轮询”时挂起。 对于我的防火墙规则，是否有一些隐藏的主机或端口需要处理，而不仅仅是标准主机和kafka和zookeeper节点
-
我有一个Spark集群运行在hdfs之上的纱线模式。我启动了一个带有2个内核和2G内存的worker。然后我提交了一个具有3个核心的1个执行器动态配置的作业。不过，我的工作还能运转。有人能解释启动worker的内核数量和为执行者请求的内核数量之间的差异吗。我的理解是，由于执行者在工人内部运行，他们无法获得比工人可用的资源更多的资源。