问题标签 [h2o4gpu]

很高兴看到 R 世界中有关 h2o4gpu 的新闻，但只是想知道是否有使用基于 Windows 环境的人们的选项。感谢您是否可以回应

我最近使用 Dockerfile-runtime 构建了 h2o4gpu docker 映像，并设法运行它并登录到 Jupyter 笔记本。

然而，当试图运行

我收到没有 h2o4gpu 模块的错误。之后，我尝试通过将以下命令添加到 dockerfile 来安装。

这也失败了，所以我想知道是否应该进行其他更改，或者是否应该从头开始制作 docker 文件。

谢谢

我正在使用 file=pd.read_csv('file_1.csv')读取文件

这在CPU上需要很长时间。

有什么方法可以使用GPU来阅读这个。

我在一个非常大的数据集（大小约为 1TB）上处理我的模型，方法是将其分成块，然后对每个块运行预测，然后将结果附加到文件中。

在每个块上运行后，我必须释放 GPU 的内存，以便可以处理和预测另一个块。

如果存在清除 GPU 内存的命令，我可以运行循环，而不是一次又一次地运行“重新启动内核”。

我正在使用 h2o4gpu，我设置的参数是

当我训练这个模型然后进行预测时，一切都在 GPU 上运行良好。

但是，当我将模型保存在 pickle 中，然后加载回另一个笔记本，然后通过 predict_proba 在其上运行预测时，一切都在 CPU 上运行。

为什么我的预测不在 GPU 上运行？

我正在尝试按照此处列出的说明安装 h2o4gpu Python 模块：https ://github.com/h2oai/h2o4gpu/issues/464

pip 说它成功安装了所有软件包，包括 h2o4gpu-0.1.0。

但是我仍然得到

和

从而表明 pip 承认tensorflow-gpu已安装，但不是h2o4gpu.

我正在运行 Ubuntu 18.04 - 造成这种情况的原因可能是版本 18 尚不支持 h2o4gpu 吗？import h2o工作正常。

我知道sklearn在运行该方法时需要将分类特征编码为虚拟变量或一次性编码sklearn.ensemble.RandomForestRegressor，并且XGBoost需要相同但h2o允许在其h2o.estimators.random_forest.H2ORandomForestEstimator方法中使用原始分类特征。由于h2o4gpu随机森林的实现是建立在 之上的XGBoost，这是否意味着不包括对原始分类特征的支持？

我对使用 h2o4gpu 对文本文档进行聚类很感兴趣。作为参考，我遵循了本教程，但更改了代码以反映 h2o4gpu。

但是，在运行上面的代码示例时，我收到以下错误：

我已经搜索过h2o4gpu.feature_extraction.text.TfidfVectorizer，但在 h2o4gpu 中没有找到它。也就是说，有没有办法纠正这个问题？

软件版本

• CUDA 9.0、V9.0.176

• cuDNN 7.1.3

• Python 3.6.4

• h2o4gpu 0.2.0

• Scikit-Learn 0.19.1

我无法让 h2o 在我的 R 中工作。它显示以下错误。不知道这意味着什么。以前它给了我一个错误，因为我没有 Java 64 位版本。我下载了 64 位 - 重新启动了我的电脑 - 并再次启动了该过程，现在它给了我这个错误。

有什么建议么？

请指教

我在 Rstudio 中运行 h2o 包，将 Tibble 转换为 h2o 时出现错误。

下面是我的代码

请建议