svm使用gpu加速

最新推荐文章于 2024-05-13 10:01:01 发布

喝粥也会胖的唐僧

最新推荐文章于 2024-05-13 10:01:01 发布

阅读量1.2w

点赞数 10

分类专栏：机器学习

本文链接：https://blog.youkuaiyun.com/zhou_438/article/details/117118956

版权

机器学习专栏收录该内容

32 篇文章

订阅专栏

博客介绍了在sklearn中SVM训练速度慢的问题，并推荐了一个名为ThunderSVM的库，该库支持GPU加速，显著提高了训练效率。通过简单的API调用，实现了与sklearn类似的二分类任务，显示了使用ThunderSVM后的训练速度提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

sklearn里面的svm拿来训练真的贼慢，还不能使用多线程加速，哪怕你的cpu是8核或者16核，训练的时候只使用1核，找了各种方式没有找到

最终发现一个库，叫做thundersvm，可以做gpu加速

使用起来也十分的简单，api几乎和sklearn里面是一模一样的

安装使用pip安装就行：

pip install thundersvm

下面演示一下二分类：

import numpy as np
import pandas as pd
#from sklearn import svm
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
from imblearn.over_sampling import SMOTE, ADASYN
from imblearn.under_sampling import RandomUnderSampler
#from sklearn.model_selection import GridSearchCV
from sklearn.utils import parallel_backend
from thundersvm import SVC

import torch
#model = svm.SVC(kernel='linear',class_weight ='balanced', random_state = 12)
model = SVC(kernel='linear')
df=pd.read_csv('results.csv')

df['target']=df['target'].apply(lambda x: 1 if x=='man' else 0)
print(df.head())
train,test=train_test_split(df,test_size=0.2,random_state=42)
train_data=train[[str(i+1) for i in range(512)]]#列名
train_label=train['target']

sampling_strategy = 0.8
X_resampled, y_resampled = SMOTE().fit_resample(train_data, train_label)
print(X_resampled.shape)
clf =model.fit(X_resampled, y_resampled )
y_pred = model.predict(test[[str(i+1) for i in range(512)]])
print(classification_report(test['target'],y_pred))

速度真的超级快，快好几十倍