使用google colab实现Julia GPU加速

这篇文章的主要内容来自于 https://discourse.julialang.org/t/julia-on-google-colab-free-gpu-accelerated-shareable-notebooks/15319

本文不过是进行了翻译、整理和一些修改,希望对大家有所帮助。无法正常访问谷歌的可以忽略此帖子。

  1. 在本地创建 test.txt 文件,写入以下内容
{
  "nbformat": 4,
  "nbformat_minor": 0,
  "metadata": {
    "colab": {
      "name": "Julia on Colab.ipynb",
      "version": "0.3.2",
      "provenance": []
    },
    "kernelspec": {
      "name": "julia-1.4",
      "display_name": "Julia 1.4"
    },
    "accelerator": "GPU"
  },
  "cells": [
    {
      "metadata": {
        "id": "oMSuTc3pDlHv",
        "colab_type": "code",
        "colab": {}
      },
      "cell_type": "code",
      "source": [
        ""
      ],
      "execution_count": 0,
      "outputs": []
    }
  ]
}
  1. 把test.txt文件后缀改为 .ipynb

  2. 打开google colab 上传 test.ipynb

image

  1. 打开后左下角会出现这样的提示,这意味着虽然设置了julia kernel 但是尚未安装julia,还用的是 python kernel

image

  1. 与原作者当时发帖不同的是,现在的google colab已经预安装好了CUDA 10.1,因此直接安装julia就可以了。在一个代码行中输入以下命令。
!curl -sSL "https://julialang-s3.julialang.org/bin/linux/x64/1.4/julia-1.4.0-linux-x86_64.tar.gz" -o julia.tar.gz
!tar -xzf julia.tar.gz -C /usr --strip-components 1
!rm -rf julia.tar.gz*
!julia -e 'using Pkg; pkg" up; add IJulia ;  precompile"'

下载和安装非常快,几分钟就ok了。

  1. 刷新页面,就可以正常使用julia和GPU了

  2. 测试一下:安装Currays和BenchmarkTools

运行前会自动下载相关的依赖项,速度很快

可以看到,GPU加速成功

image

随着julia版本的更新,可以自行调换kernel的name和下载julia的链接

5赞

京ICP备17009874号-2