Question

我知道如何在运行时类型中激活GPU，但是我习惯于使用sklearn或XGBoost进行机器学习，后者会自动使用GPU。现在，我已经制定了自己的机器学习算法，但是我不知道如何强制它在GPU上进行计算。我需要GPU运行时类型的额外RAM，但是我不知道如何从GPU的速度中受益...

@jit(target ="cuda")
popsize = 1000
  
File "<ipython-input-82-7cb543a75250>", line 2
    popsize = 1000
          ^
SyntaxError: invalid syntax

Answer 1

您可以see here Numba和Jit是将脚本放在GPU上的方法，如下所示：

from numba import jit, cuda 
import numpy as np 
# to measure exec time 
from timeit import default_timer as timer 

# normal function to run on cpu 
def func(a):                                 
    for i in range(10000000): 
        a[i]+= 1    

# function optimized to run on gpu 
@jit(target ="cuda")                         
def func2(a): 
    for i in range(10000000): 
        a[i]+= 1
if __name__=="__main__": 
    n = 10000000                            
    a = np.ones(n, dtype = np.float64) 
    b = np.ones(n, dtype = np.float32) 
    
    start = timer() 
    func(a) 
    print("without GPU:", timer()-start)     
    
    start = timer() 
    func2(a) 
    print("with GPU:", timer()-start)

还有一个reference link您可以使用

如何在python中获取脚本以在Google colab上使用GPU？

1 个答案: