以下基于ubuntu 16.04 python 3.6.5安装测试成功

1、安装软件依赖

sudo apt-get install --no-install-recommends git cmake build-essential libboost-dev libboost-system-dev libboost-filesystem-dev

2、安装python库

pip install setuptools wheel numpy scipy scikit-learn -U

3、安装lightGBM-GPU

sudo pip3.6 install lightgbm --install-option=--gpu --install-option="--opencl-include-dir=/usr/local/cuda/include/" --install-option="--opencl-library=/usr/local/cuda/lib64/libOpenCL.so"

4、测试

先下载测试文件并且进行文件转化

git clone https://github.com/guolinke/boosting_tree_benchmarks.git
cd boosting_tree_benchmarks/data
wget "https://archive.ics.uci.edu/ml/machine-learning-databases/00280/HIGGS.csv.gz"
gunzip HIGGS.csv.gz
python higgs2libsvm.py

编写测试脚本

import lightgbm as lgb
import timeparams = {'max_bin': 63,
'num_leaves': 255,
'learning_rate': 0.1,
'tree_learner': 'serial',
'task': 'train',
'is_training_metric': 'false',
'min_data_in_leaf': 1,
'min_sum_hessian_in_leaf': 100,
'ndcg_eval_at': [1,3,5,10],
'sparse_threshold': 1.0,
'device': 'gpu',
'gpu_platform_id': 0,
'gpu_device_id': 0}dtrain = lgb.Dataset('data/higgs.train')
t0 = time.time()
gbm = lgb.train(params, train_set=dtrain, num_boost_round=10,valid_sets=None, valid_names=None,fobj=None, feval=None, init_model=None,feature_name='auto', categorical_feature='auto',early_stopping_rounds=None, evals_result=None,verbose_eval=True,keep_training_booster=False, callbacks=None)
t1 = time.time()print('gpu version elapse time: {}'.format(t1-t0))params = {'max_bin': 63,
'num_leaves': 255,
'learning_rate': 0.1,
'tree_learner': 'serial',
'task': 'train',
'is_training_metric': 'false',
'min_data_in_leaf': 1,
'min_sum_hessian_in_leaf': 100,
'ndcg_eval_at': [1,3,5,10],
'sparse_threshold': 1.0,
'device': 'cpu'
}t0 = time.time()
gbm = lgb.train(params, train_set=dtrain, num_boost_round=10,valid_sets=None, valid_names=None,fobj=None, feval=None, init_model=None,feature_name='auto', categorical_feature='auto',early_stopping_rounds=None, evals_result=None,verbose_eval=True,keep_training_booster=False, callbacks=None)
t1 = time.time()print('cpu version elapse time: {}'.format(t1-t0))

测试结果如下，可见gpu版确实比cpu快

最简便的lightGBM GPU支持的安装、验证方法相关推荐

lightGBM GPU支持的安装、验证方法
以下基于ubuntu 16.04 python 3.6.5安装测试成功 1.安装软件依赖 sudo apt-get install --no-install-recommends git cmake ...
vs最好的版本_Win10 环境下，LightGBM GPU 版本的安装
由于知乎的编辑器不能完全支持 MarkDown 语法, 所以部分文字可能无法正常排版, 如果你想追求更好的阅读体验, 请移步至该博客的简书的链接. Win10 平台下, LightGBM GPU 版本 ...
Win10 平台下, LightGBM GPU 版本的安装
1. Light GBM 简介在数据挖掘和传统机器学习领域,提起大名鼎鼎的 XGBoost,相信很多人都听说过,尤其是在 Kaggle 赛场上,XGBoost 更是风光无限,不过今天的主角却不是 X ...
解决旧笔记本电脑的ME固件的驱动安装程序不支持WIN10安装的方法
以我的K480N-i5 为例,神舟官方代号PAF4.它出厂于2012年下半年11月份.随机光盘的安装文件只支持到WIN7操作系统. 因为从BIOS查看到的因特尔ME固件的[Version] PackV ...
linux安装tensorflow教程,Ubuntu 16.04 安装 TensorFlow(GPU支持)
本文记录Ubuntu 16.04安装Tensorflow步骤,也包括怎么从源码编译安装Tensorflow. 要想安装Tensorflow GPU版本,你需要有一个新一点的Nvidia显卡. Tens ...
一文看懂 TensorFlow 2.x / keras 安装与GPU支持
目录安装概述 pip 软件包硬件要求软件要求其他安装方法安装步骤确定版本下载安装检查 GPU配置不使用GPU 渐进式的使用显存其他问题找不到GPU CPU不支持avx2 参考在 ...
Py之lightgbm：lightgbm的简介、安装、使用方法之详细攻略
Py之lightgbm:lightgbm的简介.安装.使用方法之详细攻略目录 lightgbm的简介 lightgbm的安装 lightgbm的使用方法 1.class lightgbm.Datas ...
TensorFlow2.0 系列开篇： Windows下GPU版本详细安装教程
点击上方"Datawhale",选择"星标"公众号第一时间获取价值内容 [导读]今年三月谷歌在TensorFlow开发者峰会上宣布TensorFlow 2.0 ...
Linux拜拜！微软给WSL加入GPU支持，Windows终于迎来命令行包管理工具
点击上方"AI遇见机器学习",选择"星标"公众号重磅干货,第一时间送达白交发自凹非寺量子位报道 | 公众号 QbitAI 看完昨晚微软Build大 ...

最简便的lightGBM GPU支持的安装、验证方法

1、安装软件依赖

2、安装python库

3、安装lightGBM-GPU

4、测试

最简便的lightGBM GPU支持的安装、验证方法相关推荐

最新文章

热门文章