问题标签 [h2o4gpu]

我已经开始使用精度和召回率评估随机森林分类器。然而，尽管分类器的 CPU 和 GPU 实现的训练集和测试集相同，但我看到返回的评估分数存在差异。这是偶然在图书馆中的一个已知错误吗？

两个代码示例都在下面供参考。

Scikit-Learn (CPU)

H2O4GPU (GPU)

我的工作环境

• 操作系统平台、发行版和版本：Window 10 Education 64 位（10.0，Build 17134**：
• 从（源或二进制）安装：从源（pip install -i https://pypi.anaconda.org/gpuopenanalytics/simple h2o4gpu）
• 版本：0.1.0
• Python 版本（可选）：3.7.1
• CUDA/cuDNN 版本：CUDA V10.0.130
• GPU型号（可选）：Nvidia GTX 1070
• CPU型号：英特尔i7 7700K
• 可用内存：16GB

描述

我正在尝试在 python 中安装 h2o4gpu。我通过上面链接的源成功安装了它。我也尝试通过 .whl 文件。

输入时import h2o4gp出现以下错误：

这里的问题似乎是模块h2o4gpu.utils.murmurhash，现在github上有一个类似的问题（https://github.com/h2oai/h2o4gpu/issues/654）。但是我似乎无法用它来解决我的问题。

经过调查，我发现输入import murmurhashpython 确实有效。导致问题的原因是 h2o4gpu 调用： requires from .murmurhash import murmurhash3_32导致导入中断的是 murmruhash3 模块。

我似乎无法解决这个问题。尝试-pip install murmurhash3从 C++ 2015 x86 x64 Cross Build Tools 命令提示符或正常命令提示符运行时，会出现以下错误：

这里的摘要问题是：

• c:\users\luca\appdata\local\temp\pip-install-h4n7nie1\murmurhash3\murmur_hash_3.hpp(5): error C2371: 'uint32_t': redefinition; different basic types
• C:\Program Files (x86)\Microsoft VisualStudio\2017\Community\VC\Tools\MSVC\14.16.27023\include\stdint.h(23): note: see declaration of 'uint32_t' mmh3module.cpp(9): error C2371
• error: command 'C:\\Program Files (x86)\\Microsoft Visual Studio\\2017\\Community\\VC\\Tools\\MSVC\\14.16.27023\\bin\\HostX86\\x64\\cl.exe: failed with exit status 2

任何帮助转发将不胜感激

我正在尝试设置 h2o4gpu 库以在 Kaggle 比赛中使用，但我还没有找到任何有用的资源来安装/设置环境。如何逐步设置？

我尝试使用此来源的 R 包安装指南：https ://github.com/h2oai/h2o4gpu

但我仍然无法让它工作。我正在使用下面的代码，它为 R 安装了 h2o4gpu 包，但我仍然收到错误。

我希望有一个简单的分步指南。谢谢你。

当我通过 H20 GUI 运行 AUTO ML 时，用户反馈低于标准，并且没有在排行榜中创建 GBM/深度学习模型。请提出 GBM 和深度学习失败的原因。

24 16:18:30.768 Info ModelTraining GBM 2 失败：java.lang.IllegalArgumentException：class_sampling_factors 必须有 2 个元素 25 16:18:30.768 Info ModelTraining GBM 3 开始 26 16:18:31.768 Info ModelTraining GBM 3 失败：java.lang。 IllegalArgumentException：class_sampling_factors 必须有 2 个元素 32 16:18:34.795 信息 ModelTraining 默认深度学习构建失败：java.lang.IllegalArgumentException：class_sampling_factors 必须有 2 个元素

另外，当我尝试在 python 中运行 automl 代码时，当我尝试将一些 int 字段转换为因子时，它会随机给出以下错误。这个错误说明了什么。

H2OServerError：HTTP 500 服务器错误：服务器错误 water.util.DistributedException：错误：来自 /127.0.0.1:54321 的 DistributedException：'-1' 请求：无

我是stackverflow的新手，很抱歉我可能犯的错误。

我想知道 h2o4gpu 是否适用于 cuda 10.0，因为我使用 conda 成功安装了它，但是当我运行“get_gpu_info_c()”时，没有检测到 GPU。

谢谢！

我已经为欺诈预测创建了 h20 随机森林模型。现在使用预测函数对测试数据进行评分。我从预测函数输出得到以下数据框。

现在对于第二条记录，它预测为 1，但 p1 的概率远小于 p0。我们可以用于我的欺诈预测模型的正确概率分数 (p0/1) 和分类是多少？

如果这些不是正确的概率，那么使用下面提到的参数（calibrate_model = True）计算的校准概率将给出正确的概率？

我正在使用 h2o 自动编码器异常来查找模型中的异常数据，但问题是自动编码器仅接受数字预测器。我的要求是我已经根据 CardNumber 或商户号码找到异常值。卡号是 12 位数字（342178901244），大部分是唯一的，所以它的标称数据，我们不能做热编码，它会创建许多新的字段，与唯一的卡号一样多。所以请提出任何我们可以包含分类数据的方法，我们仍然可以运行自动编码器

我在 h2o python 中创建 H2o 自动编码器异常检测模型。当使用 (test_rec_error=model.anomaly(test.hex,per_feature=false) 计算异常时，每条记录都有一个重建错误。但是当我试图预测时（发现异常）在 H2o Flow 中的任何测试数据上我得到每个特征的重建错误。在 h2o Flow 中是否有任何选项可以在 h2o 流中只获得一个重建错误（不是每个特征）？

还有什么是 REST API 端点，用于从 h2o 中的异常模型获取重建错误。就像在分类模型 API(POST /3/Predictions/models/{model}/frames/{frame}) 中对测试数据进行评分预测一样......所以只是想知道用于从异常中获取重建错误的 REST API 是什么h2o 中的模型。

提前致谢。

刚开始使用 H2O.ai 所以请多多包涵...

我正在运行 H2O.ai，为了简单起见，我通过 Web UI 工作，并且主要尝试使用 AutoML 功能。我的理解是 H2O4GPU 是一个单独的包。

WebUI 功能（特别是使用 AutoML）与 H2O4GPU 之间是否有任何集成？还是我必须先通过 Python 手动编码，训练，然后导出模型并导入 WebUI 以供将来使用？

这个问题的目的是我正在讨论是否应该构建启用 GPU 的 Linux 机器来运行这些工作负载，但是如果 WebUI 和 AutoML amd H2O4GPU 之间没有集成（无需手动编码），那么我'将继续在 CPU 上运行我的训练。

任何信息，将不胜感激。不幸的是，除了它是一个单独的包之外，我找不到任何关于两者之间这种类型集成的文档。我假设 H2O.ai 社区版的标准下载不适用于 GPU。

我使用 Sklearn Python API 构建了一个随机森林分类器。在听说了用于 sklearn GPU 加速的 h2o4gpu 包后，我安装并导入了它。但ensemble.RandomForestClassifier似乎仍然在 CPU 上运行。我错过了什么吗？