正如我看到许多人努力正确构建支持 GPU 的 xgboost 库一样,鉴于我认为有关此问题的文档至少不完整,因此我决定分享我的经验。首先,这个过程在 Windows 10 x64 平台上是成功的。我使用的工具是:
- Microsoft Visual Studio 2015 速成版,https://www.visualstudio.com/vs/visual-studio-express/
- Cmake,https: //cmake.org/
- Git(Windows 版 Git),https://git-for-windows.github.io/
为了构建支持 GPU 的 xgboost 库,您应该首先检查您的显卡与 xgboost 要求的兼容性。xgboost 支持 8.0 及更高版本的 CUDA 版本。具有 3.0 及以上计算能力的显卡满足此要求。你可以在这里检查:
https://developer.nvidia.com/cuda-gpus
然后,您必须为您的系统下载并安装适当的 CUDA SDK。你可以在这里找到它:
https://developer.nvidia.com/cuda-downloads
您可以使用 SDK 附带的示例项目来检查它们是否可以在您的系统中正确构建和运行。
这一步对于构建支持 GPU 的库是必不可少的(至少在我的情况下是这样)。进入Microsoft Visual Studio 2015的安装目录VC/bin子目录。在这:
将子目录 x86_amd64 的所有内容复制到子目录 amd64 中。
在 amd64 子目录中,将文件 vcvarsx86_amd64.bat 重命名为 vcvars64.bat。
然后,打开 Git Bash,输入以下命令:
- git clone --recursive https://github.com/dmlc/xgboost
- cd xgboost
- git子模块初始化
- git子模块更新
- mkdir 构建
- 光盘构建
- cmake .. -G"Visual Studio 14 2015 Win64" -DUSE_CUDA=ON
cmake 完成后,使用 Visual Studio 2015 打开 ALL_BUILD.vcxproj。选择解决方案配置“发布”和解决方案平台“x64”。构建->构建解决方案。构建过程完成后,xgboost.dll 库文件将位于 xgboost/lib 目录中。
最后,您可以继续安装 Python 包或 R 包。