圆月山庄资源网 Design By www.vgjia.com

问题:

安装jupyter后,在网页能打开,新建python3文件后,简单的print也无法输出,显示In [*]

解决jupyter notebook 出现In[*]的问题

百度谷歌过后,基本解决方案都是集中在重启kernel和安装notebook这两种,其中让安装notebook的简直就是瞎搞,根本经不起验证(没安装notebook能进得了网页?),可以直接忽略。重启kernel还是不行,发现问题跟别人的不太一样,图中的红圈部分,事实是notebook根本没连上python服务,如何调试得了?

折腾过后,一直还是没连上,有点心凉。终于在参考很多博客后,有人提到的python兼容性问题(Linux下,自己修改了默认python为3.5版本),之后看马哥教育里面的课程,可以通过pyenv来实现多版本python的兼容隔离问题。之后死马当活马医,装pyenv,重装jupyter,然后再测试,完事,正常了。

解决jupyter notebook 出现In[*]的问题

总结:

显示[*]的,如果是Linux系统,不妨看看jupyter网页进去后,右上角的python后的符号是不是一个圈,只有圈才代表连上了python服务。如果是连上了,建议重启kernel应该就可以;如果是显示一个锁的标记,显示未连上服务,那就不是jupyter的问题,是Linux下python多版本兼容性问题,建议安装pyenv,之后重装jupyter。

补充知识:jupyter notebook中,对tensorflow运行时经常出现“The kernel appears to have died. It will restart automatically”

在jupyter notebook 或者spyder上运行tensorflow的代码时(主要是代码 包含CNN),如果软件安装有问题,会出现“The kernel appears to have died. It will restart automatically”。

解决方案如下,亲测可行:

(1) 将 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\extras\CUPTI\libx64 目录下的cupti64_80.dll文件拷贝到下面目录中:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

(2) 下载下来cuDNN压缩包解压后,将解压后的bin目录下面的文件拷贝到:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin

(3) 将解压后的include目录下的文件拷贝到:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\include

(4) 将解压后的lib\include\x64目录下的文件拷贝到:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\include\x64

再次运行jupyter notebook 或者spyder的CNN就不会出现kernel died的问题了

(2)-(4)在装cuda的时候一般已经完成了。

提示:在jupyter notebook上一次只能运行一个文件,如果运行多个文件会出现错误,即使叉掉已运行的文件也没用,需要回到如下界面点击shutdown 来关掉正在运行的文件。

以上这篇解决jupyter notebook 出现In[*]的问题就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

标签:
jupyter,notebook,In[*]

圆月山庄资源网 Design By www.vgjia.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站文章均来自网站采集或用户投稿,网站不提供任何软件下载或自行开发的软件! 如有用户或公司发现本站内容信息存在侵权行为,请邮件告知! 858582#qq.com
圆月山庄资源网 Design By www.vgjia.com

RTX 5090要首发 性能要翻倍!三星展示GDDR7显存

三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。

首次推出的GDDR7内存模块密度为16GB,每个模块容量为2GB。其速度预设为32 Gbps(PAM3),但也可以降至28 Gbps,以提高产量和初始阶段的整体性能和成本效益。

据三星表示,GDDR7内存的能效将提高20%,同时工作电压仅为1.1V,低于标准的1.2V。通过采用更新的封装材料和优化的电路设计,使得在高速运行时的发热量降低,GDDR7的热阻比GDDR6降低了70%。