PyCaret如何在GPU上运行setup()、compare_models()方法

PyCaret内置原生GPU运行支持，无需额外做复杂的代码适配，按以下步骤配置即可：

• 前置环境检查
  首先确保你已经正确安装匹配版本的CUDA、cuDNN，同时安装支持GPU运算的第三方算法库（如GPU版XGBoost、LightGBM、CatBoost，如需加速更多传统机器学习模型可额外安装NVIDIA RAPIDS套件）。安装PyCaret时建议使用全量安装命令pip install pycaret[full]，自动补齐GPU相关依赖。
• 开启GPU支持
  仅需在setup()方法中添加use_gpu=True参数即可，后续调用compare_models()在内的所有建模方法都会自动优先调用GPU运算，示例代码如下：

  # 以分类任务为例，回归、聚类等其他任务的配置逻辑完全一致
  from pycaret.classification import setup, compare_models
  
  # 初始化实验阶段开启GPU支持
  exp = setup(
      data=your_dataset,
      target='your_target_column',
      use_gpu=True
  )
  
  # 调用模型比较方法时会自动走GPU运算
  best_model = compare_models()
  

• 常见问题说明
  并非所有PyCaret集成的模型都支持GPU加速，目前支持GPU的主流模型包括LightGBM、XGBoost、CatBoost、RAPIDS适配的树模型、KNN、SVM等，无GPU适配的基础线性模型等算法仍会走CPU运算。如果PyCaret运行时检测不到可用GPU环境，会自动静默回退到CPU模式，你可以提前运行import torch; print(torch.cuda.is_available())验证CUDA环境是否正常被识别。

内容的提问来源于stack exchange，提问作者LITDataScience