在没有NVIDIA GPU的情况下使用CUDA？

Question

没有NVIDIA显卡，我们可以使用SimpleTransformers和FineTune他们预先训练好的模型吗？就像我安装CUDA一样，它仍然显示：

model = NERModel('bert', 'bert-base-uncased',labels=label,args =args)

~/my_env/lib/python3.8/site-packages/simpletransformers/ner/ner_model.py in __init__(self, model_type, model_name, labels, weight, args, use_cuda, cuda_device, onnx_execution_provider, **kwargs)
    281                     self.device = torch.device(f"cuda:{cuda_device}")
    282             else:
--> 283                 raise ValueError(
    284                     "'use_cuda' set to True when cuda is unavailable."
    285                     "Make sure CUDA is available or set use_cuda=False."

ValueError: 'use_cuda' set to True when cuda is unavailable. Make sure CUDA is available or set use_cuda=False.

Answer 1

来自Wikipedia：CUDA (计算统一设备架构的首字母缩写)是由Nvidia创建的并行计算平台和应用程序编程接口模型。

答案很可能是否定的。

Answer 2

CUDA是由NVidia创建的一个进程，专门用于加速其显卡上的计算。如果你使用的是非Nvidia显卡，它将无法工作(除非有一些非常奇怪的模拟器或类似的东西)。如果您有一张卡，如AMD卡，还有其他类似的选择，即OpenCl，这可能会或可能不会工作取决于您的情况。

Answer 3

不幸的是，如果没有Nvidia显卡，您将无法使用CUDA。CUDA是由Nvidia开发的一个框架，它允许拥有Nvidia显卡的人在进行深度学习时使用GPU加速，而没有Nvidia显卡则无法实现这一目的。

话虽如此，您可能可以仔细阅读文档，看看是否可以将use_cuda=False指定为参数。这将允许您使用CPU对模型进行微调，但需要注意的是，这将比在GPU上训练所需的时间长得多。

编辑:也许你可以试试这样的方法：

model = NERModel('bert', 'bert-base-cased', use_cuda=False)

这将允许您在CPU上进行微调。