Jupyter Notebook 中 Google Cloud Platform for Data Science 上的虚拟机规格

Question

目前，我的 2013 Macbook Pro（8gb 1600 MHz DDR3 内存和 2 GHz Intel Core i7 处理器）上的内存和 RAM 不足，同时在 50,000 上运行不同的 scikit-learn（MLPRegressor 和 GradientBoostingRegressor 上的随机搜索）模型具有约 70 个特征的样本数据集，其中大部分是分类的。我已经在 Google Cloud Platform 上设置了一个 VM，但在执行时间上并没有看到很大的改进。以下是 VM 的规格：机器类型：n1-standard-8（8 个 vCPU，30 GB 内存），源图像：ubuntu-1604-xenial-v20180126。我想知道是否有人对调整 vm 规范以学习数据科学有任何建议。由于成本原因，我不打算添加任何 GPU。谢谢

Answer 1

作为您计划处理的数据的卷和性质是您已知的，只需在Google云平台上尝试不同的机器是选择最有效的选择的最佳方式。
有关主题的一般信息将在“@ 987654321”文档中找到。 如果您仍然可以考虑此选项，则“Graphics Processing Unit (GPU)”在数据科学的上下文中提供此组件的概述。