Ich habe h2o_3.13.0.tar.gz
auf R 3.4.1
auf einer ppc64le
Box mit 4 Tesla P100s Ubuntu 16.04.2 LTS
ausgeführt. Es hat Cuda v8.0.61 (Ich bin nicht sicher, wie man auf cuDNN prüft).Deepwater auf einem PowerPC
Wenn ich laufe das Beispiel in der Tiefwasser-Broschüre, die in diesem Schritt
model <- h2o.deepwater(x=features, y=target, ... nfolds=5, gpu=TRUE, seed=1234)
ich den Fehler
java.lang.RuntimeException: Unable to initialize the native Deep Learning backend: /tmp/libmxnet.so: /tmp/libmxnet.so: cannot open shared object file: No such file or directory (Possible cause: can't load AMD 64-bit .so on a Power PC 64-bit platform)
erhalten Während die Datei gibt es, wenn ich LDD darauf laufen, Ich bekomme not a dynamic executable
.
Bedeutet dies, dass ich MxNet für diese Architektur zu kompilieren oder bin ich etwas anderes fehlt? Dann setze ich gpu=FALSE
in der gleichen Funktion. Ich erhalte jetzt den folgenden Fehler
java.lang.RuntimeException: Unable to initialize the native Deep Learning backend: Could not initialize class deepwater.backends.mxnet.MXNetBackend$MXNetLoader
Irgendwelche Ideen?
Vielen Dank für Ihre Antwort. Würde h2o.xgboost mit GPU = TRUE nicht auf diesem Arch funktionieren. Das ist ein Teil von Code h2o lib und nicht die Deepwater Bits. – ironv
Nein, das funktioniert nicht, da TensorFlow und MXNet für x86-64 kompiliert wurden und darin enthalten sind. Für CPU-only müssen Sie die Version verwenden, die nur für CPU erstellt wird. Es gibt Downloads für dieses und wir haben auch ein CPU nur Docker Bild zur Verfügung, das ist die einfachste Sache zu verwenden. – Magnus