AD
Сейчас не должен быть намного медленнее. От данных зависит, где-то медленнее, где-то быстрее. Это про цпу, на гпу должно быть всегда быстрее. Если это не так, скинь данные посмотреть.
Size: a a a
2018 December 25
AD
Да, pip install все ставит
AD
Проверь версию, что у тебя новая.
P
Сейчас не должен быть намного медленнее. От данных зависит, где-то медленнее, где-то быстрее. Это про цпу, на гпу должно быть всегда быстрее. Если это не так, скинь данные посмотреть.
спасибо, а как проверить версию?
ND
Например
import catboost
print(catboost.__version__)
P
Версия 0.11.2. Данные (6261 на 14). Кроссвалидация с GPU, xgb 1 секунда, cat 58 секунд. Так и должно быть, или у меня что-то не то?
Аa
У тебя что-то не то. И, вероятно, с данными
AD
Кросс-валидация на гпу в катбусте только в новом релизе будет. Уже есть на гитхабе. Или ты руками запускала? Вообще гпу полезен начиная где-то с 10 тысяч объектов, и дальше чем больше объектов, тем лучше. Но не может быть, чтобы в 60 раз был медленнее катбуст на гпу.
Аa
GPU на таких размерах, кстати, вообще не стоит трогать. ИМХО больше накладных расходов, чем пользы
Аa
а какие настройки early_stopping у обоих?
P
Кросс валидацию в cross_val_score считаю. Это уже вторая задача, где я разобраться не могу с кэтбустом
VE
на таком датасете:
1) ordered/dynamic-бустинг на таких объемах данных (для качества в ущерб скорости)
2) если классификация, то доп. алгоритм оценки листьев
поэтому катбуст может быть медленей других бустингов, только из-за различий в алгоритме
но вообще если учесть еще и кросс-валидацию, то на таком датасете хороший CPU скорее всего будет быстрее, чем GPU
1) ordered/dynamic-бустинг на таких объемах данных (для качества в ущерб скорости)
2) если классификация, то доп. алгоритм оценки листьев
поэтому катбуст может быть медленей других бустингов, только из-за различий в алгоритме
но вообще если учесть еще и кросс-валидацию, то на таком датасете хороший CPU скорее всего будет быстрее, чем GPU
P
GPU на таких размерах, кстати, вообще не стоит трогать. ИМХО больше накладных расходов, чем пользы
early_stopping вообще не трогала. Пробую понять, что не так вообще
VE
GPU на таких размерах, кстати, вообще не стоит трогать. ИМХО больше накладных расходов, чем пользы
для таких размерах GPU выгоден только если сразу обучать много разных моделей в один проход (например, сразу на большом сетке параметров)
Но мы такую функциональность для катбуста не делали
Но мы такую функциональность для катбуста не делали
P
Я гипероптом параметры подбираю, хотела время сократить
P
Спасибо, тогда без гпу буду считать
AD
Мы скорость гпу на датасетах такого размера не сравнивали с другими библиотеками. Надо добавить в бенчмарки, обязательно это сделаем, большое спасибо за фидбек. Правда я все-таки не уверена, что может быть такая разница. Может, глубину ты разную всем ставишь или число итераций? Скинь мне в личку код и если не жалко, то датасет тоже.
DB
для таких размерах GPU выгоден только если сразу обучать много разных моделей в один проход (например, сразу на большом сетке параметров)
Но мы такую функциональность для катбуста не делали
Но мы такую функциональность для катбуста не делали
Приветствую. А есть в планах?
AD
Пока нет, заводи issue, если нужна.
DB