scikit-learn将利用GPU吗?
k-means
python
scikit-learn
tensorflow
7
0

在tensroflow中阅读scikit-learn的实现: http ://learningtensorflow.com/lesson6/和scikit-learn: http ://scikit-learn.org/stable/modules/genic/sklearn.cluster.KMeans.html努力决定要使用哪种实现。

scikit-learn是作为tensorflow docker容器的一部分安装的,因此可以使用任何一种实现。

使用scikit-learn的原因:

scikit-learn比tensorflow实现包含更少的模板。

使用tensorflow的原因:

如果在Nvidia GPU上运行,则算法将并行运行,我不确定scikit-learn是否会利用所有可用的GPU?

阅读https://www.quora.com/What-are-the-main-differences-between-TensorFlow-and-SciKit-Learn

TensorFlow是更底层的;基本上,乐高积木可帮助您实现机器学习算法,而scikit-learn可为您提供现成的算法,例如用于分类的算法,例如SVM,随机森林,逻辑回归等。如果您想实施深度学习算法,TensorFlow确实很出色,因为它使您可以利用GPU进行更有效的培训。

该声明进一步证实了我的主张:“ scikit-learn所包含的样板少于张量流实现”,但同时也暗示scikit-learn不会利用所有可用的GPU?

参考资料:
Stack Overflow
收藏
评论
共 1 个回答
高赞 时间 活跃

如果Tensorflow是针对Cuda和CuDNN构建的,则仅使用GPU。默认情况下,两者都不会使用GPU,尤其是在Docker内部运行的情况下,除非您使用nvidia-docker和具有此功能的映像。

Scikit-learn不打算用作深度学习框架,并且似乎不支持GPU计算。

为什么在scikit-learn中不支持深度学习或强化学习?

深度学习和强化学习都需要丰富的词汇来定义架构,而深度学习还需要GPU才能进行有效的计算。但是,这些都不符合scikit-learn的设计约束。结果,深度学习和强化学习目前超出了scikit-learn力求实现的范围。

摘录自http://scikit-learn.org/stable/faq.html#why-is-there-no-support-for-deep-or-reinforcement-learning-will-there-be-support-for-deep-或在Scikit学习中加强学习

您将在scikit-learn中添加GPU支持吗?

不,或者至少在不久的将来不会。主要原因是GPU支持会引入许多软件依赖关系,并会引入特定于平台的问题。 scikit-learn旨在易于安装在各种平台上。在神经网络之外,GPU在当今的机器学习中并未发挥重要作用,通过谨慎选择算法,通常可以大大提高速度。

摘录自http://scikit-learn.org/stable/faq.html#will-you-add-gpu-support

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号