Por qué te importa:
Las GPU (unidades de procesamiento de gráficos) no son necesarias para ejecutar modelos básicos de aprendizaje automático (ML), pero suelen ser la primera opción para entrenar modelos avanzados como Catboost, Xgboost, redes neuronales y modelos de aprendizaje profundo. El uso de GPU en PC/portátiles de trabajo aporta muchas ventajas, como procesamiento paralelo, velocidad, capacidad de entrenar con más iteraciones, capacidad de entrenar con modelos complejos y ventaja competitiva. El siguiente ejemplo proviene de la documentación oficial de Catboost sobre cómo usar GPU para mejorar el tiempo de entrenamiento.
Estarás feliz de usar la GPU en tu computadora portátil y acelerar tu entrenamiento. Si eso es correcto. Sin embargo, no puedes aprovechar directamente la GPU hasta que esté habilitada. No te preocupes, eso es exactamente lo que aprenderás de este blog. A modo de ejemplo, mostraré cómo habilitar la GPU en una computadora con sistema operativo Windows.
Empecemos.
Primero, debe abrir el administrador de dispositivos en su computadora, verificar los adaptadores de su dispositivo, como se muestra en la imagen a continuación: Es
posible que observe algo de Nvidia XXX (por ejemplo → Nvidia RTX A2000 Laptop GPU). Sí, esa es la GPU disponible en su máquina. Para aprovechar la GPU RTX A2000, debe tener instaladas las dependencias correctas en su computadora.
lista de dependencias/controladores?
Marco del controlador NVIDIA
: TensorFlow/PyTorch
Microsoft Visual Studio (MSVC)<