talkischeap

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

tree-自动输出项目目录，快速生成README.md中的目录结构今天在写项目文档，也就是工程目录下大家经常的看到的README.md ,当写到项目目录结构那里时，印象中github上看到其他人的项目输出的目录结构很很整洁，于是就照着记忆中的样子手动打了一下目录结构，结果刚好同事路过，提到可以使用tree命令来自动生成目录结构，于是尝试了一番。话不多说直接上命令： # 安装treesudo apt-get install tree# 使用方法也很简单cd ./projecttree输出如下

Docker 环境搭建（centos 7.x）算法、大数据工程师工作中，经常会使用各种算法包，如Tensorflow 、pyTorch 、xgb等，这些包都支持GPU加速。但如果在同一台机器中使用这些包，经常会遇到cuda版本冲突等问题。为了避免这些问题，使用docker进行环境隔离。（ps：docker 真香）本人在公司申请的虚拟机系统centos7.2 上安装docker，相当于docker in docker ，虽然有点多此一举，但是由于部署的服务业务量有限，且依赖环境相对复杂，所以选择这种方式，