GPU/TPU 上的 PyCaret 方法答案

【问题标题】：PyCaret methods on GPU/TPUGPU/TPU 上的 PyCaret 方法
【发布时间】：2021-08-07 07:14:09
【问题描述】：

当我运行best_model = compare_models() 时，CPU 内存负载很大，而我的 GPU 未使用。如何在 GPU 上运行 setup() 或 compare_models()？ PyCaret 中有内置方法吗？

【问题讨论】：

PyCaret 不适用于深度学习。它可以利用 GPU 吗？
有些方法可以。但对大多数人来说，它没有。

标签： jupyter-notebook gpu cpu kaggle pycaret

【解决方案1】：

要在 PyCaret 中使用 gpu，您必须简单地将 use_gpu=True 作为 setup 函数中的参数。例子： model = setup(data,target_variable,use_gpu=True)

【讨论】：

不适用于 Kaggle。已经试过了，它只使用 RAM 和 CPU，而不是 GPU。
@LITDataScience 可能是因为没有为它编译可以使用 GPU 的模型（例如 xgboost 应该安装 pip 并且需要安装 CUDA 10+）。以下是列表和要求：pycaret.readthedocs.io/en/latest/…

【解决方案2】：

只有部分机型可以在 GPU 上运行，必须正确安装才能使用 GPU。例如，对于xgboost，您必须使用 pip 安装它并安装 CUDA 10+（或从 anaconda 等安装 GPU xgboost 版本）。以下是可以使用 GPU 的估算器列表及其要求：https://pycaret.readthedocs.io/en/latest/installation.html?highlight=gpu#pycaret-on-gpu

正如Yatin所说，您需要在setup()中使用use_gpu=True。或者您可以在创建单个模型时指定它，例如 xgboost_gpu = create_model('xgboost', fold=3, tree_method='gpu_hist', gpu_id=0)。

对于安装 CUDA，我喜欢使用 Anaconda，因为它很容易，例如 conda install -c anaconda cudatoolkit。看起来对于非增强方法，您需要安装 cuML 以供 GPU 使用。

哦，看起来 pycaret 不能在 GPU 上使用 tune-sklearn（在 tune_model 文档部分底部的警告 here 中）。

【讨论】：