lightgbm过去版本安装包_tensorflow、xgboost、lightgbm的gpu版本安装教程汇总

操作系统 win10家庭版 刚买回来的裸机啥都没装

首先是tf2.0的：https://blog.csdn.net/wangbowj123/article/details/89381562​blog.csdn.net

1、安装anaconda然后创建一个新环境

conda create -n your_env_name python=3.7

2、安装visual studio ，我安装的2019版 community版的下载 | IDE、Code 和 Team Foundation Server | Visual Studio​visualstudio.microsoft.com

2、安装tensorflow-gpu版 2.0的，然后准备装cuda，注意：https://blog.csdn.net/qq_27825451/article/details/89082978​blog.csdn.net

这个时候tf已经正式2.0了，不过cuda还是支持10.0的，并且只能去下10.0对应的cuda才行。CUDA Toolkit 10.0 Archive​developer.nvidia.com

cuda下载地址，百度cuda+版本号自动就能搜索到下载对应版本cuda的界面了，然后顺带下一下cudnn，cudnn需要注册账号密码然后登陆之后就可以下载了https://developer.nvidia.com/rdp/cudnn-download​developer.nvidia.com

3、cuda下载完毕之后直接exe安装即可，使用精简安装就行不用自定义安装，然后在cuda 的安装目录下新建一个cudnn的文件夹，最后把下载的cudnn的压缩包解压到这个文件夹下就行

4、网上看了不少资料要去配置路径，奇怪，我的已经自动配置好了应该，直接测试tf就可以用了。

没问题的话import的时候会出现这个界面。

5、然后调用一下is_gpu_available就可以得到：

然后正常进入就行了，tf会自动调用gpu，因为我的gpu只有一块儿可用，所以没有额外再去配置使用某一块。具体的多卡配置以后用到再说吧。

为了以防万一测试了一下训练的时候是否调用gpu了。

import tensorflow as tf

import tensorflow.keras as keras

import tensorflow.keras.layers as layers

print(tf.__version__)

# 导入数据

(x_train, y_train), (x_test, y_test) = keras.datasets.boston_housing.load_data()

print(x_train.shape, ' ', y_train.shape)

print(x_test.shape, ' ', y_test.shape)

# 构建模型

model = keras.Sequential([

layers.Dense(32, activation='sigmoid', input_shape=(13,)),

layers.Dense(32, activation='sigmoid'),

layers.Dense(32, activation='sigmoid'),

layers.Dense(1)

])

# 配置模型

model.compile(optimizer=keras.optimizers.SGD(0.1),

loss='mean_squared_error', # keras.losses.mean_squared_error

metrics=['mse'])

model.summary()

model.fit(x_train, y_train, batch_size=50

0, epochs=5000, validation_split=0.1, verbose=1)

打开任务管理器，性能，gpu1，查看内存利用率就可以了。

xgboost的gpu安装。https://blog.csdn.net/weixin_30963287/article/details/79145107​blog.csdn.net

直接使用别人已经编译好的xgboost-gpu就可以了，非常简单。。调用gpu也很简单。。

参数里面这么设置就可以了。

import tensorflow as tf

import tensorflow.keras as keras

import tensorflow.keras.layers as layers

print(tf.__version__)

# 导入数据

(x_train, y_train), (x_test, y_test) = keras.datasets.boston_housing.load_data()

print(x_train.shape, ' ', y_train.shape)

print(x_test.shape, ' ', y_test.shape)

import xgboost as xgb

eval_set = [(X_test, y_test)]

clf=xgb.XGBRegressor(n_estimators=10000,tree_method='gpu_exact',gpu_id=0)

clf.fit(x_train,y_train, eval_metric="error", eval_set=eval_set, verbose=True,early_stopping_rounds=1000)

还是一样看下gpu的内存占用率判断有木有真的用上gpu。。。

lightgbm的gpu版的安装:GPU Windows Compilation​lightgbm.readthedocs.io

看了官网的安装教程，打算用git的那个方案来编译，但是vs2019用cmke编译失败又要去安装mingGW，放弃，直接用别人编译好的。https://download.csdn.net/download/nicco_773/10690903​download.csdn.net

按照提示直接操作即可，简单方便，需要注意的是原作者po的话有一段是错误的记得用下面的方法安装：

不过安装的时候又出问题了：

查了一下要装 vs c++ build toolshttps://blog.csdn.net/u012247418/article/details/82314129​blog.csdn.net

资源从这里直接下载就有了，然后直接默认安装。

然而还是报错。。。无语。。。Win10 平台下, LightGBM GPU 版本的安装​www.jianshu.com

看了一下好像还缺个boost的c++编译库