Защо ви пука:
GPU (Graphics Processing Units) не са строго необходими за изпълнение на базови модели за машинно обучение (ML), но те често се предпочитат за обучение на напреднали модели като Catboost, Xgboost, невронни мрежи и модели за дълбоко обучение. Използването на графични процесори на вашите компютри/работни лаптопи носи много предимства като паралелна обработка, скорост, възможност за обучение на повече итерации, възможност за обучение със сложни модели и конкурентно предимство. Примерът по-долу е от официалната документация на Catboost за подобряване на времето за обучение с GPU.
Сигурно сте развълнувани да използвате GPU на вашия лаптоп и да ускорите обучението си. Да, това е правилно. Въпреки това не можете директно да използвате този GPU, преди да го активирате. Не се притеснявайте, точно това ще научите от този блог. За примерни цели ще покажа как да активирате GPU на машина с Windows OS.
Да започваме.
Първо, трябва да отворите диспечера на устройствата на вашия компютър и да проверите адаптерите на устройството, както е показано по-долу:
Там може да забележите нещо Nvidia XXX (Напр. → Nvidia RTX A2000 GPU за лаптоп). Да, това е графичният процесор, наличен на вашата машина. За да използвате RTX A2000 GPU, трябва да имате инсталирани правилни зависимости на вашата машина.
Списък със зависимости/драйвери?
- Nvidia драйвери
- Рамки — TensorFlow / PyTorch
- Microsoft Visual Studio (MSVC)
- CUDA инструментариум
- cuDNN библиотека
Ето ръководство стъпка по стъпка за настройка на виртуална среда и активиране на вашия GPU:
Инсталиране на драйвери на NVIDIA:
Цел: Те са от съществено значение, за да може операционната система да комуникира с хардуера на NVIDIA GPU.
Функция: Драйверите превеждат общи команди на операционната система в инструкции, които GPU може да разбере. Без подходящия драйвер графичният процесор няма да работи или може да функционира неефективно.
