Я только что построил новый мощный настольный компьютер P C, чтобы ускорить вычисления в scikit Learn ( specs ).
Я запускаю свой код в Jupyter Ноутбук и я заметили, что если я выполняю одинаковые вычисления на моем старом умирающем ноутбуке и моем супер-P C, разница во времени часто невелика, хотя в некоторых очень требовательных ячейках между двумя компьютерами может варьироваться от простого до двойного ... Но мой новый P C должен быть как минимум в 5 раз мощнее моего старого ноутбука!
Пример кода с требованием:
y_train_large = (y_train >= 7)
y_train_odd = (y_train % 2 == 1)
y_multilabel = np.c_[y_train_large, y_train_odd]
knn_clf = KNeighborsClassifier()
knn_clf.fit(X_train, y_multilabel)
y_train_knn_pred = cross_val_predict(knn_clf, X_train, y_multilabel, cv=3)
f1_score(y_multilabel, y_train_knn_pred, average="macro")
Кроме того, когда я проверяю использование процессора во время Например, обучение на классификаторах очень низкое на обоих компьютерах (около 5% на новом и 15-20% на старом).
Я понимаю, что это может быть большой вопрос, но почему это так? ? Я прочитал здесь , что ноутбуки Jupyter работают на хост-компьютере, а не на моем. Как использовать собственное оборудование вместо этого? Я, вероятно, ищу неправильный путь, но я не могу найти много информации на эту тему. Что искать?
Спасибо!
Отчет о времени для кода выше с небольшим изменением настройки n_jobs = 4 для cross_val_predict ():
Время вычислений для AMD Ryzen 9 3900x 12 ядер, RAM 32 Go: 12'45 '' ок. средняя загрузка ЦП 15%
Время вычислений для Intel i7 4750HQ @ 2,00 ГГц, ОЗУ 16 Go: 19'50 '' прибл. средняя загрузка процессора 62%