Jupyter Notebook中Google Cloud Platform for Data Science上的虚拟机规格

Question

我目前在我的2013 Macbook Pro (8 8gb 1600 MHz DDR3内存，2 GHz Intel Core i7处理器)上运行不同的scikit learn(在MLPRegressor和GradientBoostingRegressor上随机搜索)模型时，内存和内存都用完了，这个数据集有大约70个特征，其中大部分是分类的。我已经在Google Cloud平台上设置了一个VM，但并没有看到执行时间有多大的改善。虚拟机规格如下:机器类型: n1-standard-8 (8vCPU，30 GB内存)，源映像: ubuntu-1604-xenial-v20180126。我想知道是否有人有任何关于调整vm规范以学习数据科学的建议。由于成本的原因，我不打算添加任何GPU。谢谢

Answer 1

由于您已了解计划处理的数据的数量和性质，因此在Google Cloud平台上简单地尝试不同的机器是选择最有效选项的最佳方式。

有关主题的一般信息可在"Google Cloud Platform for Data Scientists“文档中找到。如果您仍在考虑此选项，"Graphics Processing Unit (GPU)“将在数据科学的上下文中概述此组件。