xgboost模型在跑大数据集时速度堪忧，正好最近配置了一块RTX2070，在网上搜了颇多资料利用GPU加速xgboost，在这里做一个归纳整理；
第一份资料完整阐述了GPU配置的整个过程，先用cmake生成文件，然后用vs编译，这里完成的操作其实就是生成一份xgboost.dll文件，国外有个好心人把配置好的xgboost上传了，这样就简单了。
1. 安装配置CUDA
CUDA安装配置还是蛮简单的，不多加阐述，可参考资料：
Windows10 64Bit完美配置Theano并实现GPU加速并解决（（CNMeM is disable，CuDNN not available））
2. 下载别人配置好的xgboost
http://ssl.picnet.com.au/xgboost/。左边是cpu版，右边是支持gpu加速版。点击需要的版本下载xgboost.dll就可以了
3. 安装xgboost
由于是别人配置好的，安装起来特别简单了。首先下载xgboost源码(其实这里我们不需要用git clone --recursive,因为用的是编译好的dll，因此不需要下载那么完整，只需要python-package完整即可)
git clone --recursive https://github.com/dmlc/xgboost之后将下载的xgboost.dll库文件放入到master\python-package\xgboost目录，进入master\python-package目录，执行以下命令行
python setup.py install这里需要跳转到master\python-package目录，可参考下列方法跳转目录
从当前目录下跳转到不同分区路径d:\的时候，cd d:\没有成功，当前目录没有发生改变； 当添加了一个参数 /d之后，命令成功地执行了。原来，要跳转到不同分区的时候，需要添加强制跳转参数 /d 。但是，如果进入的是当前目录的子目录，则可以不使用 /d参数。
参考命令行如下：
cd /d D:\python\Anaconda3\Lib\site-packages\xgboost\python-package4. GPU加速
在xgboost的参数中加入’tree_method’: ‘gpu_hist’，即可使用 GPU加速
这里原本CPU计算需要10min的数据，2min搞定了~~
5 GPU性能查看
我们把文件路径（C:\Program Files\NVIDIA Corporation\NVSMI）加入到环境变量中， 对PATH变量进行编辑，会进入到PATH的列表，再点击添加
然后，我们可以打开cmd，输入指令：
nvidia-smi其中这个330MiB / 8192MiB就是使用显存占总显存的比例
下方的Processes：就是显示程序的GPU Memory的使用
