linux xgboost4j安装,Ubuntu18.04 安装xgboost GPU版配置

CUDA安装

首先要到英伟达官网下载对应版本cuda工具包，使用GPU需要有cuda。

配置好环境变量

1)在~/.bashrc中添加如下

export PATH = /usr/local/cuda-11.1/bin:$PATH

export LD_LIBRARY_PATH = /usr/local/cuda-11.1/lib64:$LD_LIBRARY_PATH

使环境变量生效

source  ~/.bashrc

2)配置 /etc/ld.so.conf.d/cuda-11.1.conf

添加如下内容

/usr/local/cuda-11.1/lib64

使库生效

sudo ldconfig

termimal 输入“nvcc --version” 或者“nvcc -V”,显示如下，代表cuda安装成功

安装GPU版的xgboost

安装步骤如下：

git clone --recursive https://github.com/dmlc/xgboost

cd xgboost

mkdir build

cd build

cmake .. -DUSE_CUDA=ON     -- 会报错

make -4j

cd python-package

python setup.py install

安装cmake时会报错，ubuntu 18.04默认安装的cmake版本是3.10，xgboost 要求cmake version >=3.13。

解决方法是：

删除系统中已安装的cmake

sudo apt purge cmake

下载cmake 3.13.4的源，也可以是再高点的版本，可以到cmake github 地址选择

wget https://github.com/Kitware/CMake/releases/download/v3.13.4/cmake-3.13.4.tar.gz

解压文件

tar zxvf cmake-3.13.4.tar.gz

打开文件夹，执行以下命令

cd cmake-3.13.4

sudo ./bootstrap

sudo make

sudo make install

验证已安装的版本是否正确

cmake --version

测试GPU

在xgboost/tests/benchmark下分别执行

python benchmark_tree.py --tree_method gpu_hist

python benchmark_tree.py --tree_method hist

发现gpu版运行7秒，cpu版运行282秒，速度提升非常快了。

在实际代码中，只要添加下面的参数就可以：

Python example

param['gpu_id'] = 0 #选择设备序号(如果有许多设备，则使用哪个GPU) ，该参数默认为0(CUDA运行时报告的第一个设备)。param['tree_method'] = 'gpu_hist' #等效于XGBoost快速直方图算法。快得多，并使用更少的内存。注意：在比Pascal架构更早的GPU上运行可能会非常缓慢。等效于XGBoost快速直方图算法。快得多，并使用更少的内存。注意：在比Pascal架构更早的GPU上运行可能会非常缓慢。

With Scikit-Learn interface

XGBRegressor(tree_method='gpu_hist', gpu_id=0)