Rapids CUML 随机森林回归模型推断答案

【问题标题】：Rapids CUML Random Forest Regression Model InferenceRapids CUML 随机森林回归模型推断
【发布时间】：2020-03-18 19:45:56
【问题描述】：

我在 Google Colab 上使用 CUML 0.10.0 库中的随机森林回归模型，但无法获得模型预测。模型训练成功结束后，我使用 (.predict) 方法对一个非常大的数组 (41697600, 11) 进行推理。但是，我收到以下错误：

TypeError: GPU predict model only accepts float32 dtype as input, convert the data to float32 or use the CPU predict with `predict_model='CPU'`.

即使在将输入 numpy 数组的 dtype 转换为 float32 并在 predict 方法中指定 predict_model='CPU' 参数后，该错误仍然存在。

这是使用的代码供您参考：

array=(X_test.values).astype('float32')
predictions = cuml_model.predict(array, predict_model='CPU',output_class=False, algo='BATCH_TREE_REORG')

模型总结：

<bound method RandomForestRegressor.print_summary of RandomForestRegressor(n_estimators=10, max_depth=16, handle=<cuml.common.handle.Handle object at 0x7fbfa342e888>, max_features='auto', n_bins=8, n_streams=8, split_algo=1, split_criterion=2, bootstrap=True, bootstrap_features=False, verbose=False, min_rows_per_node=2, rows_sample=1.0, max_leaves=-1, accuracy_metric='mse', quantile_per_tree=False, seed=-1)>

【问题讨论】：

标签： python machine-learning random-forest machine-learning-model rapids

【解决方案1】：

此错误消息非常令人困惑。我相信它失败了，因为 training 在 float64 中，而不是在预测中。因此，如果您改为使用 float32 进行训练，这一切都应该有效。预测的优化 GPU 实现目前仅支持 float32 models。您应该能够退回到缓慢的 CPU 预测，但是这个异常阻止了它。

我将此作为错误提交，我们将尝试在即将发布的版本中修复。随时关注那里或添加任何其他问题等：https://github.com/rapidsai/cuml/issues/1406

【讨论】：

非常感谢。确实如此。使用 float32 数组重新训练后问题得到解决。

【解决方案2】：

int64 出现同样的错误，但 float64 出现错误。因此，任何有相同问题的人都可以简单地将int64 转换为float32 或int32。

【讨论】：

您的答案可以通过额外的支持信息得到改进。请edit 添加更多详细信息，例如引用或文档，以便其他人可以确认您的答案是正确的。你可以找到更多关于如何写好答案的信息in the help center。
这并不能真正回答问题。如果您有其他问题，可以点击提问。要在此问题有新答案时收到通知，您可以follow this question。一旦你有足够的reputation，你也可以add a bounty 来引起对这个问题的更多关注。 - From Review
确实如此。如果有人遇到相同的错误但由于显示错误消息而无法解决。所以我的解决方案应该可以解决这个问题。