Python 谷歌云平台AI笔记本-如何确保使用GPU？

我正在使用GCP上的Jupyter（通过AI平台轻松设置）从

scikit garden

培训

MondrianForestRegressor

。我的数据集大约为450000 x 300，使用原样机器进行培训，即使使用并行

n_jobs=-1

（32个CPU，208GB RAM）也比我希望的慢得多

我连接了一个GPU（2x NVIDIA Tesla T4），重新启动实例并重试。训练速度似乎不受这种变化的影响

• 在Jupyter中训练模型时，我需要做些什么来确保GPU被实际使用
• GPU对基于树的方法有用吗？有文献表明它们是（），但我不完全理解GPU更适合不同类型算法的复杂性，除了它们能够很好地处理大型矩阵计算（例如用于深度学习）这一事实之外

---

创建笔记本电脑时，笔记本电脑会分配一个GCE虚拟机实例和一个GPU，为了监控GPU，您应该在每个连接有GPU的虚拟机实例上使用GPU度量报告代理，这将收集GPU数据并将其发送到

此外，还有两种方法：

• 高级估计器API：只要 您的ClusterSpec配置正确。如果集群是 CPU和GPU，将ps作业名称映射到CPU和辅助作业 GPU的名称

• 核心 TensorFlow API：必须分配ops以在启用GPU的情况下运行 机器。此过程与将GPU与TensorFlow一起使用相同 在当地。您可以使用tf.train.replica\u device\u setter将ops分配给 设备

此外，这里有一个关于何时使用GPU而不是CPU的示例，在这里您可以阅读一个关于使用GPU over Tree训练时性能的示例