人工智能-GPU版本机器学习、深度学习模型安装

背景

1、在有Nvidia-GPU的情况下模型使用cuda加速计算，但是很有多模型的GPU和CPU版本安装方式不同，如何安装lgb\cat\xgb.
2、为了让代码有普适性，如何自适应环境当中的设备进行CPU或者GPU的调整？

解决方案

问题一：

1. 安装 GPU 版本的 LightGBM
   LightGBM 默认不会安装 GPU 支持版，需要手动编译以启用 GPU。以下是在 Linux 和 Windows 上编译 GPU 版本 LightGBM 的方法：

Linux (Ubuntu 20.04/18.04) 上安装 GPU 版本 LightGBM：
安装依赖：

sudo apt-get update
sudo apt-get install -y cmake gcc g++ libboost-dev libboost-system-dev libboost-filesystem-dev

克隆 LightGBM 仓库：

git clone --recursive https://github.com/microsoft/LightGBM
cd LightGBM

编译 LightGBM（启用 GPU 支持）：

mkdir build
cd build
cmake -DUSE_GPU=1 ..
make -j4

针对catboost和xgboost，直接支持GPU安装。
2. 安装 GPU 版本的 CatBoost
CatBoost 安装相对简单，默认支持 GPU 加速。

在 Linux 或 Windows 上安装 GPU 版本 CatBoost：
直接通过 pip 安装最新版本的 CatBoost，它会自动检测 GPU 并启用 GPU 加速（如果 CUDA 安装正确）：

pip install catboost

验证 GPU 支持：

from catboost import CatBoostRegressor

model = CatBoostRegressor(task_type="GPU")
print(model.get_param("task_type"))

如果 task_type=“GPU”，说明 GPU 正常启用。

注意：确保已经安装了 CUDA Toolkit，并且你的系统支持 NVIDIA GPU。

3. 安装 GPU 版本的 XGBoost
   XGBoost 支持通过 pip 安装 GPU 版本，前提是你已经正确安装了 CUDA。

在 Linux 或 Windows 上安装 GPU 版本 XGBoost：
直接通过 pip 安装 GPU 版本 XGBoost：

pip install xgboost --user

验证 GPU 支持：

import xgboost as xgb

print(xgb.rabit.get_num_procs()