Va scikit-learn utiliser les GPU?

La lecture de la mise en œuvre de scikit-learn dans tensroflow : http://learningtensorflow.com/lesson6/ et scikit-learn : http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html j'ai du mal à décider qui de la mise en œuvre à utiliser.

scikit-learn est installé en tant que partie de la tensorflow conteneur docker peut donc utiliser soit mise en œuvre.

Raison de l'utilisation d'scikit-learn :

scikit-learn contient moins de chaudière plaque de la tensorflow
la mise en œuvre.

Raison de l'utilisation d'tensorflow :

Si en cours d'exécution sur GPU Nvidia l'algorithme wilk être exécutée en parallèle
Je ne suis pas sûr si scikit-learn utiliser tous disponibles GPU ?

Lecture https://www.quora.com/What-are-the-main-differences-between-TensorFlow-and-SciKit-Learn

TensorFlow est à un niveau plus bas; en gros, les briques Lego qui aident
vous pour mettre en œuvre des algorithmes d'apprentissage automatique alors que scikit-learn
vous offre off-the-shelf algorithmes, par exemple, des algorithmes pour
classification comme les SVMs, Forêts Aléatoires, Régression Logistique, et
beaucoup, beaucoup plus. TensorFlow brille vraiment si vous voulez mettre en œuvre
profonde algorithmes d'apprentissage, car il vous permet de profiter de
Les gpu pour une plus grande efficacité de la formation.

Cette déclaration renforce mon affirmation que "scikit-learn contient moins de chaudière plaque de la tensorflow mise en œuvre", mais suggère également scikit-learn utilise pas tous disponibles GPU ?

Vous devez préciser la question (titre) pour une meilleure référence.
veuillez voir la mise à jour du titre
Le classique scikit-learn lib est cpu-seulement, comme indiqué dans le Faq (edit: n'a pas vu cette ref dans la réponse, sry). (Également tous les bits de sklearn code que j'ai vérifié, c'est pas prêt pour le GPU)

OriginalL'auteur blue-sky | 2017-01-10

  1. 35

    Tensorflow utilise uniquement le GPU si elle est construite contre Cuda et CuDNN. Par défaut, aucun des deux ne vont utiliser le GPU, surtout si elle est en cours d'exécution à l'intérieur de Docker, sauf si vous utilisez nvidia-docker et une image capable de le faire.

    Scikit-learn est pas destiné à être utilisé comme une profonde cadre de l'apprentissage, et il semble qu'il ne prend pas en charge GPU calculs.

    Pourquoi il n'y a pas de support pour la profondeur ou de l'apprentissage par renforcement /Sera-t-il le soutien de profondeur ou de l'apprentissage par renforcement dans scikit-learn?

    L'apprentissage en profondeur et l'apprentissage par renforcement à la fois besoin d'un riche
    vocabulaire pour définir une architecture, avec l'apprentissage en profondeur de plus
    exigeant Gpu pour l'efficacité de l'informatique. Cependant, aucune de ces ajustement
    dans les contraintes de conception de scikit-learn; en conséquence, profond
    d'apprentissage et apprentissage par renforcement sont actuellement hors de portée pour
    ce scikit-learn cherche à atteindre.

    Extrait de http://scikit-learn.org/stable/faq.html#why-is-there-no-support-for-deep-or-reinforcement-learning-will-there-be-support-for-deep-or-reinforcement-learning-in-scikit-learn

    Allez-vous ajouter le support GPU dans scikit-learn?

    Pas, ou du moins pas dans un avenir proche. La raison principale est que le GPU
    soutien permettra de lancer de nombreux logiciels de dépendances et d'introduire
    plate-forme de questions spécifiques. scikit-learn est conçu pour être facile à
    installer sur une grande variété de plates-formes. En dehors des réseaux de neurones,
    Les gpu ne jouent pas un grand rôle dans l'apprentissage de la machine aujourd'hui, et beaucoup
    les gains de vitesse peut souvent être réalisé par un choix judicieux de la
    algorithmes.

    Extrait de http://scikit-learn.org/stable/faq.html#will-you-add-gpu-support

    OriginalL'auteur