我一直在启用 rapidsai 的 GPU 上使用 cuda 的 cuML 库中的随机森林实现，与 {{1} 相比，我对它的运行速度感到非常满意} 的 CPU 训练。但是，对我的数据集进行单次训练并不能充分利用 GPU，因此理想情况下，应该能够在单个显卡上同时训练多个模型。
我对 sklearn 内部机制的有限理解是，在同一个 GPU 上运行多个进程根本无济于事，因为 GPU 将在进程之间交替，而不是真正同时运行它们。真正需要的是明确处理 cuda 流并在其自己的流中运行每个训练。
这是我遇到问题的地方。我从关于流和句柄的 cuda 文档中收集到的是，要运行带有显式流的单个模型（此处针对来自 Pandas 的表格数据集），您需要执行以下操作：
rapidsai但是，运行此代码会导致段错误。
如果有人能帮助我完成这项工作，或者如果有人有不同的方法来实现相同的结果（即在一个 GPU 上训练多个随机森林），我将不胜感激。