Windows 10 上Xgboost GPU配置填坑过程

最新推荐文章于 2025-10-09 10:08:43 发布
原创 最新推荐文章于 2025-10-09 10:08:43 发布 · 3.7k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#xgboost #windows 10 #gpu #cuda9.1

本文档详细介绍了在Windows 10上配置Xgboost GPU的步骤，包括安装VS2017、CUDA 9.1.85.3和cuDNN 7.1.2，以及使用CMake编译Xgboost源码。提供了编译好的dll下载链接，同时提到了tensorflow 1.7与CUDA 9.1的兼容性问题，以及GPU相关参数设置和测试。


 主要过程：

1.    安装vs(我装的是2017)

2.    安装cuda(我装的是cuda9.1.85.3，cudnn7.1.2)

3.    安装cmake

4.   下载xgboost代码并编译

5.    安装

6.     xgboost gpu相关参数及demo

其他配置的比如:vs2015/2013,cuda 9.0/8.0等版本

 

编译好的dll已经放到网盘上了，如果你的版本（主要看cuda/cudnn，dll是基于这个编译的）跟我已一样，恭喜你，你可以直接下载dll安装，进入第五步

链接：https://pan.baidu.com/s/1vU5Lq-LdDnn13HoQcxdCIA 密码：odks

cuda及tensorflow安装文件：

链接：https://pan.baidu.com/s/1BNyMsg_EwAqg60OpsMBG-Q 密码：8iyq


第一步：vs

安装vs需要注意的是一些组件的选择，cmake会依赖一些windows sdk，推荐网址：

最低0.47元/天 解锁文章
水里有鱼@
关注
pytorch 使用指定的GPU RuntimeError: CUDA error: invalid device ordinal
Hello Word!
07-31 3万+
pytorch使用指定GPU报错： Traceback (most recent call last): File "test_bed/process_deepglint.py", line 102, in <module> pred_dataset(outputFile) File "test_bed/process_deepglint.py", line 36, in pred_dataset pred_loader_deepg, model, criterion,
WINDOWS 安装XGBoost GPU版本最新简易方法
weixin_44405644的博客
09-26 7072
一、系统配置 系统：Windows 10 64x 二、问题背景 在网上打比赛的时候通常会用到XGBoost算法，但是在数据量大或者特征多的情况下，XGBOOST的CPU版本通常会吃不消，这个时候就需要用XGBoost的GPU版本来加速一下运算速度。 网上关于安装XGBoost-GPU加速的博文大多过于复杂，需要使用Cmake进行编译。而实际上，我们使用pip进行安装的就是可以支持GPU加速的，官网解释如下： 三、执行步骤 1. 安装cuda a. 检查是否安装了CUDA 在dos中输入 nvc
xgboost_with_gpu.zip
11-29
包括xgboost 0.6全部源程序，并以支持GPU模式通过VS2013进行编译
xgboost gpu版本编译与python接口安装
玛拉达
12-27 525
1.下载源码 git clone --recursive https://github.com/dmlc/xgboost –recursive 递归clone，不加的话gputreeshape文件夹会为空，导致GPU版本编译失败 2.编译 2.1依赖工具版本 cmake version 3.16.3 GNU Make 4.2.1 2.2 编译 在xgboost目录 mkdir build cd build cmake .. -DUSE_CUDA=ON make -j4 3.安装python接口 3.1
7 种 GPU 策略，让你的 LightGBM 和 XGBoost 训练速度提升 10 倍
最新发布
素质云笔记
10-09 650
文章的亮点在于详细介绍了如何利用CUDA优化XGBoost和LightGBM，强调了通过GPU架构实现的显著速度提升，尤其是数据加载和特征工程的“零拷贝”技术。
Linux运行xgboost训练报错,Linux下安装Xgboost并支持GPU
weixin_28791139的博客
05-01 610
Linux下安装Xgboost并支持GPU下载源码支持GPU正常流程报错：nvccfatal:redefinitionofargument'std'查看本机cmake版本查找报错原因确认报错原因解决办法安装Python支持查看安装包下载源码gitclone--recursivehttps://github.com/dmlc/xgboost#若安装CPU版，直接执行以下命令cdxgboostmake...
xgboost-GPU版本安装
猫头军师兵书
07-29 2500
亲测有效
XGBoost GPU加速环境配置
老赵的博客
02-23 2155
XGBoost
win10 XGBoost GPU加速
potun7890的博客
08-26 1390
参考文献：https://zhuanlan.zhihu.com/p/29904369 需要平台：win10,,CUDA,VS2015,CMake 目录 1. 下载xgboost源码 2.安装cmake 3.生成构建文件 1.下载xgboost源码 可用git，没有git工具的直接去github上下载解压 git clone --recursive https://github.com/dmlc/xgboost 2.安装cmake cmake.org/download/ 浏览器上下..
R使用XGBoost并配置GPU 附：LightGBM
NickyCat的博客
04-29 3141
在R中使用XGBoost时如何进行GPU加速？Xgboost下载安装及GPU配置记录
xgboost配置GPU加速（快速安装版）
weixin_30963287的博客
01-23 1万+
环境：anaconda（python3.6） + win10 第一步： 下载xgboost源码： https://github.com/dmlc/xgboost 第二步： 从http://ssl.picnet.com.au/xgboost/中下载支持GPU版已编译好的DLL文件 第三步： 将xgboost.dll复制到xgboost-master/python-packa
xgboost.dll gpu_enable 2019最新版
02-13
Installing the Python Wrapper Please follow these instructions to prepare XGBoost for use with Python. I am placing xgboost in a directory called xgboost_install_dir but this can be anything. 1. git clone https://github.com/dmlc/xgboost.git xgboost_install_dir 2. copy libxgboost.dll into the xgboost_install_dir\python-package\xgboost\ directory 3. cd xgboost_install_dir\python-package\ 4. python setup.py install 下面是使用举例 import xgboost xr = xgboost.XGBRegressor() xr.fit(X, y) xr.predict(X_test)
WIN10 xgboost gpu配置最简便方法
m0_37327467的博客
08-01 7340
在网上找了很多种方法，结果这种方法是最简便的，步骤也很简单。 第一步 从这里下载xgboost源代码： 第二步 从这里下载 支持GPU版已编译好的DLL文件，并放在第一步下载好的文件xgboost-master/python-package/xgboost目录下。 第三步 进入到第一步下载好的文件的xgboost-master/python-package，打开cmd，执行pyt...
Xgboost安装，常见错误解决办法
Yue_Chen的博客
05-14 1万+
Xgboost安装 本人在安装Xgboost时，查看了太多的教程，但因为太多的教程已经过时了，最后结合多个教程，overflow上的问题，对这些问题进行解决，此处为了感谢，特地贴出网址 另：本机环境，python3 64位 步骤： 1.为了获得最新的Xgboost，我们必须安装以下软件，安装以下软件的方法此处不再赘述： git(为了获得最新的代码) mingw-w64(编译代码) ...
linux下python导入xgboost出现的问题小结
Javis486的专栏
04-17 7177
在python导入import xgboost出现如下错误： ./lib/libgomp.so.1: version `GOMP_4.0' not found (required by /home/yin/anaconda3/lib/python3.5/site-packages/xgboost-0.6-py3.5.egg/xgboost/libxgboost.so)上面显示的意思是在pytho
Xgboost参数解释及调参
热门推荐
冷的太明显
04-29 4万+
General Parameters Booster Parameters Task Parameters 首先xgboost有两种接口，xgboost自带API和Scikit-Learn的API，具体用法有细微的差别但不大。 在运行 XGBoost 之前, 我们必须设置三种类型的参数: （常规参数）general parameters，（提升器参数）booster paramet...
使用GPU加速你的xgboost、lightgbm
talkischeap
09-29 1万+
使用GPU加速你的xgboost、lightgbm 当面对结构化数据的机器学习任务时，树模型往往可以作为首选进行尝试。然而如果你的数据量大（百万或千万），且恰好你又使用了交叉验证以及网格搜索，那想必如何加速训练便是你接下来要考虑的事情。 使用GPU并非TensorFlow等这些深度学习框架的专项，xgboost 以及 lightgbm之类的集成学习工具包，也支持使用GPU加速。下面就针对这两种工具包，如何搭建并使用GPU加速进行简单记录。 环境： （以下安装是基于你的环境已经安装好nvidia-drive
python指定Gpu
qimo601的专栏
03-29 2万+
PyTorch默认使用从0开始的GPU，如果GPU0正在运行程序，需要指定其他GPU。 有如下两种方法来指定需要使用的GPU。 1. 类似tensorflow指定GPU的方式，使用CUDA_VISIBLE_DEVICES。 1.1 直接终端中设定： CUDA_VISIBLE_DEVICES=1 python my_script.py 1.2 python代码中设定： import os os.environ["CUDA_VISIBLE_DEVICES"] = "2" 见网址：（原）
深度学习强制设置GPU_id
带鱼工作室的博客
10-17 3597
深度学习强制修改gpu id
windows系统xgboost gpu
03-04
### 如何在Windows系统上安装和配置支持GPU的XGBoost #### 准备工作 为了确保能够顺利安装并运行带有GPU支持的XGBoost，在开始之前需确认已正确设置了CUDA环境。这可以通过命令提示符中的`nvcc --version`来验证CUDA的存在与否；若有返回关于NVCC的信息说明已经成功安装了CUDA工具包，否则就需要按照官方指南完成其部署过程[^4]。 #### 安装CUDA Toolkit 对于尚未配备CUDA的情况，应当先下载适用于当前NVIDIA显卡驱动程序版本的CUDA Toolkit。通过执行`nvidia-smi`获取设备详情以及兼容性的建议CUDA版本号之后，前往[NVIDIA官方网站](https://developer.nvidia.com/cuda-downloads)，依据操作系统和个人硬件条件挑选合适的发行版进行安装。 #### 配置开发环境变量 安装完成后，还需要适当调整系统的PATH环境变量以便于访问新加入的库文件路径。具体来说就是把CUDA bin目录添加进去，比如典型的设置会涉及到如下几个位置： - `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\bin` - `C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\libnvvp` 其中vXX.X代表具体的CUDA版本号，请根据实际情况替换相应部分。 #### 使用pip安装XGBoost-GPU 当上述准备工作全部就绪后，就可以利用Python包管理器pip来进行最终一步——即实际安装XGBoost本身了。考虑到性能优化的需求，推荐采用预编译好的二进制轮子而不是源码构建方式： ```bash pip install xgboost --upgrade --pre -f https://anaconda.org/rapidsai-nightly/xgboost/files ``` 这条命令将会自动拉取由RAPIDS团队维护的支持最新特性和改进措施的夜间构建版本，并且默认包含了必要的依赖项以启用GPU加速特性[^1]。 #### 测试安装效果 最后但同样重要的是要检验整个流程是否无误地完成了预期目标。创建一个新的Python脚本或交互式解释器会话，尝试导入xgboost模块并且初始化一个DMatrix对象时指定参数`tree_method=&#39;gpu_hist&#39;`，以此观察是否存在任何异常报错现象或是警告消息。正常情况下应该没有任何阻碍地加载完毕而不会抛出错误例外事件[^2]。 ```python import xgboost as xgb data = [[1, 2], [3, 4]] label = [&#39;A&#39;, &#39;B&#39;] dtrain = xgb.DMatrix(data=data, label=label) params = {&#39;objective&#39;: &#39;binary:logistic&#39;} bst = xgb.train(params=params, dtrain=dtrain, num_boost_round=10, tree_method=&#39;gpu_hist&#39;) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值