Los IDE y los editores de código son tus mejores amigos cuando quieres escribir, modificar y ejecutar tus propios programas. Pero en el vasto ecosistema de aplicaciones de codificación, Jupyter Notebook se destaca por sus increíbles funciones de código en vivo, toma de notas y colaboración. Ya sea que te interese el análisis de datos, el web scraping o el aprendizaje automático, Jupyter Notebook es una excelente incorporación a tu conjunto de herramientas. Si bien la aplicación funciona bien encomputadoras portátiles modernas, tendrás dificultades si intentas realizar tareas complejas de inteligencia artificial y aprendizaje automático en una simple CPU.

Afortunadamente, puedes ajustar Jupyter Notebook para relegar las exigentes cargas de trabajo de aprendizaje profundo a tupotente tarjeta gráficaen lugar de al procesador. Sin embargo, tendrás que seguir varios pasos, incluida la configuración de bibliotecas de Python, la creación de entornos de codificación y la instalación de controladores antes de poder hacer que el IDE aproveche tu GPU.

Relacionado

Cómo usar Jupyter Notebook en Windows, Linux y macOS

¿Quieres aprovechar al máximo el aprendizaje de Python? Familiarízate con Jupyter Notebooks

Publicaciones

Instalación de Python

Este paso puede parecer redundante si ya tienes mucha experiencia en programación, pero necesitarás instalar Python en tu PC para usar la IA acelerada por GPU en Jupyter Notebook. Simplemente descarga el archivo Python.exe del sitio web oficial y haz clic en el botón de instalación después de otorgarle privilegios de administrador al instalador.

Relacionado

Cómo instalar Python en Windows, Linux y macOS

Si desea instalar Python y comenzar con el desarrollo, tenemos una práctica guía de inicio rápido que lo guiará a través de los conceptos básicos.

Publicaciones

Para la mayoría de los usuarios, recomiendo elegir Deshabilitar el límite de longitud de ruta para evitar futuros dolores de cabeza causados ​​por el límite de 260 caracteres en la longitud de las rutas de archivos establecido porWindows 11.

Instalación de Miniconda

Miniconda es un conjunto de herramientas que contiene importantes bibliotecas, entornos y paquetes de Python necesarios para habilitar su GPU. También le permite crear un Jupyter Notebook.

1. Descargue el archivo setup.exe delsitio web oficialy ejecútelo con privilegios de administrador.
2. Elija la opciónAceptocuando el instalador le pida que acepte los términos de la licencia y presioneSiguiente.

   

3. Seleccione el directorio donde desea instalar Miniconda y haga clic en el botónSiguiente.

   

4. Presione el botónInstalar y presioneFinalizaruna vez completada la instalación.

Configuración de un entorno Conda

Ahora que ha instalado Python y Miniconda, es momento de configurar un entorno de codificación para sus proyectos de aprendizaje automático. Recomiendo crear un entorno independiente, ya que utilizaremos paquetes más antiguos en este tutorial.

1. Escribaminicondaen labarra de búsqueda de Windowsy seleccione la opciónEjecutar como administradoren elsímbolo del sistema de Anaconda Powershell.

   

2. Pegue el siguiente código en la terminal y presione Enter:

   conda create --name mi_env python=3.9 -y

   

3. Active el entorno recién creado utilizando el siguiente comando:

   conda activa my_env

   

4. Ejecute este comando para instalar la biblioteca cuDNN y los controladores CUDA:

   conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0 -y

   

5. Instale la biblioteca TensorFlow ejecutando el siguiente comando:

   Instalación de pip "tensorflow<2.11"

   

Instalación de Jupyter Notebook

Por último, puedes configurar un servidor Jupyter Notebook local que contenga todos los archivos de tu proyecto.

1. Ejecute este código dentro delsímbolo del sistema de PowerShell de Anaconda:

   pip instala el cuaderno jupyter -y

   

2. Abra el servidor Jupyter Notebook escribiendo:

   Cuaderno Jupyter

   

Puedes comprobar si el entorno de programación de Miniconda funciona con la GPU. Para ello,

1. Haga clic en el botónNuevoy seleccioneCuaderno.

   

2. SeleccionePython 3 (ipykernel)como kernel.

   

3. Copie estas líneas de código dentro del Notebook recién creado:

   • importar tensorflow como tf

   • gpus = tf.config.list_physical_devices("GPU")

   • si gpu:

   • Para GPU en GPU:

   • print("Se encontró una GPU con el nombre:", gpu)

   • demás:

   • print("No se pudo detectar una GPU.")

     

4. Pulse el botónEjecutar.

Si Jupyter Notebook muestra una tarjeta gráfica como salida, ¡significa que el proceso fue exitoso!

Ejecución de Jupyter Notebook en una GPU

Una vez que hayas verificado que la tarjeta gráfica funciona con Jupyter Notebook, puedes usar el comandoimport-tensorflowpara ejecutar fragmentos de código (e incluso programas completos) en la GPU. Si Jupyter Notebook no puede detectar tu tarjeta gráfica, puedes volver a intentar el mismo procedimiento en otro entorno de Miniconda. Para reducir aún más los errores de incompatibilidad, recomiendo instalar las mismas versiones de los controladores CUDA y las bibliotecas cuDNN y TensorFlow que he usado en este tutorial.

Pero si tus proyectos tardan eones en compilarse, es posible que tu tarjeta gráfica no tenga la potencia necesaria.Actualizar tu GPU a una mejores una solución fácil que le dará a tu PC el impulso que tanto necesita para ejecutar algoritmos complejos de inteligencia artificial y aprendizaje profundo.

Relacionado

Las mejores GPU para aprendizaje profundo en 2025

Ya sea que desee comenzar con la generación de imágenes o abordar grandes conjuntos de datos, lo ayudamos con la GPU que necesita para tareas de aprendizaje profundo.

Publicaciones