svm使用gpu加速

最新推荐文章于 2026-05-21 05:00:00 发布

原创

最新推荐文章于 2026-05-21 05:00:00 发布 · 1.3w 阅读

收录于

博客介绍了在sklearn中SVM训练速度慢的问题，并推荐了一个名为ThunderSVM的库，该库支持GPU加速，显著提高了训练效率。通过简单的API调用，实现了与sklearn类似的二分类任务，显示了使用ThunderSVM后的训练速度提升。

sklearn里面的svm拿来训练真的贼慢，还不能使用多线程加速，哪怕你的cpu是8核或者16核，训练的时候只使用1核，找了各种方式没有找到

最终发现一个库，叫做thundersvm，可以做gpu加速

使用起来也十分的简单，api几乎和sklearn里面是一模一样的

安装使用pip安装就行：

pip install thundersvm

下面演示一下二分类：

import numpy as np
import pandas as pd
#from sklearn import svm
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
from imblearn.over_sampling import SMOTE, ADASYN
from imblearn.under_sampling import RandomUnderSampler
#from sklearn.model_selection import GridSearchCV
from sklearn.utils import parallel_backend
from thundersvm import SVC

import torch
#model = svm.SVC(kernel='linear',class_weight ='balanced', random_state = 12)
model = SVC(kernel='linear')
df=pd.read_csv('results.csv')

df['target']=df['target'].apply(lambda x: 1 if x=='man' else