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/89381562blog.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 Studiovisualstudio.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/89082978blog.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 Archivedeveloper.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-downloaddeveloper.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/79145107blog.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 Compilationlightgbm.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_773/10690903download.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/82314129blog.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