xgboost是一个非常好的模型工具，但是当遇到数据量比较大的时候迭代的速度会很慢（博主打比赛的时候简直想砸电脑啊），因此就找了点资料配置了GPU加速。
这里面遇到很多坑。
1.使用官网的配置方案
反正这个我从来没成功了，试了n次。我这里就不写了，贴出来链接：
http://xgboost.readthedocs.io/en/latest/build.html#building-with-gpu-support
2.使用知乎大佬的方法
先用cmake生成文件，然后用vs编译，我同样没成功。贴出来链接：
https://zhuanlan.zhihu.com/p/29904369
3.使用别人编译好的xgboost，我这个成功了。
3.1第一步安装vs，我装的是vs14-2015，如果你想装这个版本的话，请确保你把之前的版本卸载干净再装，不然可能出现未知错误，那么坑就多了。
可以从这里找到vs的对应下载链接：https://msdn.itellyou.cn/
3.2安装配置cuda，这个我装的是cuda8，直接到官网下然后安装就可以了，具体可以参考我的另外一篇博文http://blog.csdn.net/voidfaceless/article/details/53711550
3.3下载别人配置好的xgboost
国外有个好心人把配置好的xgboost上传了，几乎每天的版本都会有，链接：http://ssl.picnet.com.au/xgboost/。左边是cpu版，右边是支持gpu加速版。点击需要的版本下载xgboost.dll就可以了
3.3安装xgboost
由于是别人配置好的，安装起来特别简单了。首先下载xgboost源码(其实这里我们不需要用git clone --recursive,因为用的是编译好的dll，因此不需要下载那么完整，只需要python-package完整即可)
git clone --recursive https://github.com/dmlc/xgboost之后将下载的xgboost.dll库文件放入到master\python-package\xgboost目录，进入master\python-package目录，执行以下命令行
python setup.py install3.4尽情地享受gpu加速吧
另外，官方提供了一个基准(Benchmarks)
Training time time on 1,000,000 rows x 50 columns with 500 boosting iterations and 0.25/0.75 test/train split on i7-6700K CPU @ 4.00GHz and Pascal Titan X.
i7-6700K的CPU（4.00GHz）和Pascal Titan X，数据集大小为 1,000,000行 x 50列，按0.25/0.75划分测试集和训练集，训练时间如下
在tests\benchmark目录下
分别执行
python benchmark.py --tree_method gpu_hist
python benchmark.py --tree_method hist
python benchmark.py --tree_method gpu_exact
python benchmark.py --tree_method exact