是否可以使用GPU训练H2O模型并使用CPU进行预测？
问题描述：
对于训练速度，能够用GPU训练H2O模型，获取模型文件，然后在没有GPU的机器上进行预测，这将是一件好事。是否可以使用GPU训练H2O模型并使用CPU进行预测？
看起来理论上这应该是可能的，但是H2O版本3.13.0.341似乎并没有发生，除了XGBoost模型。
当我运行gpustat -cup时，当我训练H2O的XGBoost模型时，我可以看到GPU在使用。 DL，DRF，GLM或GBM不会发生这种情况。
如果浮点大小（16,32,64）的差异可能会导致一些不一致性，更不用说由于多处理器建模造成的变幻莫测，我不会感到惊讶，但我认为我可以忍受这一点。
（这是在这里与我的问题，但现在我明白了更好的环境，我可以看到GPU都没有使用所有的时间。）
答
新XGBoost integration in H2O是目前只有H2O（适当）才具有GPU能力的算法。因此，您可以在GPU上训练XGBoost模型并在CPU上进行评分，但其他H2O algorithms不适用。
还有一个H2O Deep Water项目，该项目提供了H2O与三个第三方深度学习后端（MXNet，Caffe和TensorFlow）之间的整合，所有这些都是具有GPU功能的。因此，您可以使用GPU训练这些模型，并在CPU上进行评分。您可以在上面的Deep Water链接下载H2O Deep Water jar文件（或R软件包或Python模块），并且您可以在Deep Water GitHub repo README中找到更多信息。