SK
А это втыкается в агрегацию в shared memory
Size: a a a
2019 June 22
SK
Для попарных/ранжирующих режимов все сложнее:)
SK
В шаред мемори лучше писать без банк конфликтов и по 4 или 8 байт так что халф флоаты нам не помогут
iv
Ну основная причина радости от rtx, насколько я понял это то, что при переходе с 32bit float на 16bit float у людей модельки на 16 гигов в 8гиговы карточки влезают
iv
То есть не выигрыш в скорости от коротких float’ов, а просто из-за виртуального удвоения памяти под модельки.
SK
Не только в этом. Есть же отдельные тензоркоры, котрые умеют мелкие матрички из чаров или halffloat перемножать и складывать
SK
Сколько в итоге на 10к итераций получилось?
SS
Учи 10к
5k деревьев
5m 24s 2080Ti + 1080Ti
5m 18s 2080Ti
6m 54s 1080Ti
5m 24s 2080Ti + 1080Ti
5m 18s 2080Ti
6m 54s 1080Ti
SS
те же пропорции
SS
и та же проблема
SS
так что это дело не в подготовке и не в ctr_complexity
Д
Всем привет, а подскажите, как можно рассчитать максимум деревьев для ОЗУ? 16 гб хватает на 500, но не 1000. Можно ли узнать более точное значение?
SK
Сами деревья в памяти занимают довольно мало
SK
У тебя падает после обучения по логу?
SK
Если да, задай лимит по памяти max used ram
Д
В Jupiter kernel падает
Д
Нужно делать рестарт и все заново до классификатора
Д
Может быть ещё дополнительные параметры влияют, есть глубина 14 ещё
Д
На 8 и 1000 деревьев не пробовал отдельно
2019 June 24
VC
predict_proba возвращает Two-dimensional numpy.ndarray of shape (number_of_objects, number_of_classes) with the probability for every class for each object, а как понять в какой колнке каой класс (где 0 а где 1 в случае бинарной кл.)?