svm使用gpu加速

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 SVCimport 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

svm使用gpu加速相关推荐

GPU加速库AmgX
GPU加速库AmgX AmgX提供了一条简单的途径来加速NVIDIA GPU上的核心求解器技术.AmgX可以为模拟的计算密集型线性求解器部分提供高达10倍的加速度,特别适合于隐式非结构化方法. 它是一 ...
构建可扩展的GPU加速应用程序（NVIDIA HPC）
构建可扩展的GPU加速应用程序(NVIDIA HPC) 研究人员.科学家和开发人员正在通过加速NVIDIA GPU上的高性能计算(HPC)应用来推进科学发展,NVIDIA GPU具有处理当今最具挑战性 ...
NVIDIA Jarvis：一个GPU加速对话人工智能应用的框架
NVIDIA Jarvis:一个GPU加速对话人工智能应用的框架 Introducing NVIDIA Jarvis: A Framework for GPU-Accelerated Conversa ...
GPU—加速数据科学工作流程
GPU-加速数据科学工作流程 GPU-ACCELERATE YOUR DATA SCIENCE WORKFLOWS 传统上,数据科学工作流程是缓慢而繁琐的,依赖于cpu来加载.过滤和操作数据,训练和部 ...
GPU加速：宽深度推理
GPU加速:宽深度推理 Accelerating Wide & Deep Recommender Inference on GPUs 推荐系统推动了许多最流行的在线平台的参与.随着为这些系统提 ...
AI解决方案：边缘计算和GPU加速平台
AI解决方案:边缘计算和GPU加速平台一．适用于边缘 AI 的解决方案 AI 在边缘蓬勃发展.AI 和云原生应用程序.物联网及其数十亿的传感器以及 5G 网络现已使得在边缘大规模部署 AI 成为可能 ...
基于GPU加速全局紧耦合的激光-IMU融合SLAM算法（ICRA2022）
论文阅读<Globally Consistent and Tightly Coupled 3D LiDAR Inertial Mapping> 文章采用了GPU加速的trick,本质上还是 ...
Pytorch之GPU加速计算问题以及model=model.to(device)
文章目录 model=model.to(device) GPU加速计算问题技巧一 model=model.to(device) model=model.to(device) 这个有什么用,其实就是把 ...
（最新最全）windows使用anaconda安装pytorch进行深度学习并使用GPU加速
本篇文章记录下自己安装pytorch的过程,由于我装过3~4次了,所以还算是比较有经验了. 文章目录 1.检查电脑配置 2.Anaconda的准备工作-添加国内镜像源 3.下载 3.测试 1.检查电脑 ...

svm使用gpu加速

svm使用gpu加速相关推荐

最新文章

热门文章