- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我已经在带有 CUDA 8.0 和 libcudnn.so.5.1.10 的 Ubuntu 16.04 上安装了 H2O 3.11.0.266,所以我相信 H2O 应该能够找到我的 GPU。
但是,当我在 Python 中启动我的 h2o.init() 时,我没有看到它实际上正在使用我的 GPU 的证据。我明白了:
这与我在之前版本(GPU 之前)中的相同。
此外,http://127.0.0.1:54321/flow/index.html也仅显示 8 个核心。
我想知道我是否没有正确安装某些东西,或者最新的 h2o.init() 是否没有实现有关可用 GPU 或什么的信息...
非常感谢。
[编辑]我应该提到 3.11.0.266 应该是支持 GPU 的版本。
[编辑]感谢所有的建议。我现在正在运行 H2O 3.13.0.337
我发现这个命令也很有用:
sudo watch -n 0.1 'ps f -o user,pgrp,pid,pcpu,pmem,start,time,command -p `/usr/bin/lsof -n -w -t /dev/nvidia*`'
但是,我有点困惑。
当我运行 XGBoost 时,我清楚地看到 GPU 非常活跃,利用率为 30% 到 40%(以及我所有的 8 个 CPU 内核,我猜它们一定是在管理 GPU。)XGB 在 20 分钟内完成了我的分类问题秒。
GLM 运行得非常快,所以很难判断它是否在使用我的 GPU(不到一秒就完成了。它确实在 ps 程序显示的 STARTED 列中启动了时钟。
USER PGRP PID %CPU %MEM STARTED TIME COMMAND
user 3380 3380 116 12.0 10:52:56 04:36:36 /usr/local/anaconda2/bin/java -ea -verbose:gc -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -jar /usr/local/anaconda2/lib/python2.7/site-packages/h
分布式随机森林也启动时钟,但似乎不使用任何 GPU 处理,但它确实使用了所有 CPU 内核。
GBM 类似。与 XGB 的 20 秒相比,训练相同的问题需要 1.5 分钟。由于算法相似,我原以为它们会花费相似的时间并以相似的方式使用 GPU。我觉得这很奇怪。
我确信 XGBoost 正在 GPU 上运行,但我不确定是否有任何其他算法。
[添加]
通过在 H2O 3.13.0.341 上的比较。注意到温度(!)和 GPU 百分比的差异
这是 gpustat -cup 在我运行 xgboost 时显示的内容:
[0] GeForce GTX 1080 | 64'C, 90 % | 1189 / 8105 MB | clem:java/31183(191M)
这是我运行分布式随机森林时显示的内容(GBM 和深度学习会出现类似的结果)
[0] GeForce GTX 1080 | 51'C, 5 % | 1187 / 8105 MB | clem:java/31183(189M)
最佳答案
您将需要支持 GPU 的 H2O 版本,可在 H2O download page 上获得.从您的问题中不清楚您使用的是常规 H2O 还是支持 GPU 的 H2O,但是如果您使用的是支持 GPU 的 H2O 并且具有适当的依赖性,它应该会看到您的 GPU。当前依赖列表为:
我打开了一个JIRA ticket在 h2o.init()
打印输出中添加一些元数据,以便您可以在那里看到有关 GPU 的信息(在未来的版本中)。
关于python - 如何判断 H2O 3.11.0.266 是否在使用 GPU 运行?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/44269267/
在使用 requests 库中的状态代码时,我遇到了一些奇怪的事情。每个 HTTP 状态代码都有一个常量,有些具有别名(例如,包括 200 的复选标记): url = 'https://httpbin
这是我得到的代码,但我不知道这两行是什么意思: o[arr[i]] = o[arr[i]] || {}; o = o[arr[i]]; 完整代码: var GLOBAL={}; GLOBAL.name
所以这个问题的答案What is the difference between Θ(n) and O(n)? 指出“基本上,当我们说算法是 O(n) 时,它也是 O(n2)、O(n1000000)、O
这是一个快速的想法;有人会说 O(∞) 实际上是 O(1) 吗? 我的意思是它不依赖于输入大小? 所以在某种程度上它是恒定的,尽管它是无限的。 或者是唯一“正确”的表达方式 O(∞)? 最佳答案 无穷
这是真的: log(A) + log(B) = log(A * B) [0] 这也是真的吗? O(log(A)) + O(log(B)) = O(log(A * B)) [1] 据我了解 O(f
我正在解决面试练习的问题,但我似乎无法找出以下问题的时间和空间复杂度的答案: Given two sorted Linked Lists, merge them into a third list i
我了解 Big-Oh 表示法。但是我该如何解释 O(O(f(n))) 是什么意思呢?是指增长率的增长率吗? 最佳答案 x = O(n)基本上意味着 x <= kn对于一些常量 k . 因此 x = O
我正在编写一个函数,该函数需要一个对象和一个投影来了解它必须在哪个字段上工作。 我想知道是否应该使用这样的字符串: const o = { a: 'Hello There' }; funct
直觉上,我认为这三个表达式是等价的。 例如,如果一个算法在 O(nlogn) + O(n) 或 O(nlogn + n) 中运行(我很困惑),我可以假设这是一个O(nlogn) 算法? 什么是真相?
根据 O'Reilly 的 Python in a Nutshell 中的 Alex Martelli,复杂度类 O(n) + O(n) = O(n)。所以我相信。但是我很困惑。他解释说:“N 的两个
O(n^2)有什么区别和 O(n.log(n)) ? 最佳答案 n^2 的复杂性增长得更快。 关于big-o - 大 O 符号 : differences between O(n^2) and O(n
每当我收到来自 MS outlook 的电子邮件时,我都会收到此标记 & nbsp ; (没有空格)哪个显示为?在 <>. 当我将其更改为 ISO-8859-1 时,浏览器页面字符集编码为 UTF-8
我很难理解 Algorithms by S. Dasgupta, C.H. Papadimitriou, and U.V. Vazirani - page 24 中的以下陈述它们将 O(n) 的总和表
我在面试蛋糕上练习了一些问题,并在问题 2给出的解决方案使用两个单独的 for 循环(非嵌套),解决方案提供者声称他/她在 O(n) 时间内解决了它。据我了解,这将是 O(2n) 时间。是我想错了吗,
关于 Java 语法的幼稚问题。什么 T accept(ObjectVisitorEx visitor); 是什么意思? C# 的等价物是什么? 最佳答案 在 C# 中它可能是: O Accept(
假设我有一个长度为 n 的数组,我使用时间为 nlogn 的排序算法对它进行了排序。得到这个排序后的数组后,我遍历它以找到任何具有线性时间的重复元素。我的理解是,由于操作是分开发生的,所以时间是 O(
总和 O(1)+O(2)+ .... +O(n) 的计算结果是什么? 我在某处看到它的解决方案: O(n(n+1) / 2) = O(n^2) 但我对此并不满意,因为 O(1) = O(2) = co
这个问题在这里已经有了答案: 11 年前关闭。 Possible Duplicate: Plain english explanation of Big O 我想这可能是类里面教的东西,但作为一个自学
假设我有两种算法: for (int i = 0; i 2)更长的时间给定的一些n - 其中n这种情况的发生实际上取决于所涉及的算法 - 对于您的具体示例, n 2)分别时间,您可能会看到: Θ(n)
这个问题在这里已经有了答案: Example of a factorial time algorithm O( n! ) (4 个回答) 6年前关闭。 我见过表示为 O(X!) 的 big-o 示例但
我是一名优秀的程序员,十分优秀!