cuml
NVIDIA cuML:GPU 加速機器學習
cuml 是什麼?
NVIDIA cuML:GPU 加速機器學習。此函式庫提供一系列機器學習演算法,並利用 NVIDIA GPU 進行加速運算。
cuml 概覽
這是什麼
NVIDIA cuML 是一個開源的 CUDA-X 資料科學函式庫,專為 GPU 加速機器學習而設計。它提供兩種在 NVIDIA GPU 上執行機器學習工作負載的方式:cuml Python API 提供 GPU 原生估計器與類似 scikit-learn 的介面,以及 cuml.accel 模組,可在不修改原始 Python 程式碼的情況下加速現有的 scikit-learn、UMAP 和 HDBSCAN 程式碼。在代表性基準測試中,cuML 可將 scikit-learn 工作流程加速高達 50 倍,具體取決於演算法、資料集和硬體。
主要功能
- GPU 原生的
cumlAPI,遵循熟悉的 scikit-learn fit-predict-transform 模式,將資料和計算保留在 GPU 上。 cuml.accel模組,可在不修改原始 Python 程式碼的情況下加速現有的 scikit-learn、UMAP 和 HDBSCAN 程式碼。- 支援聚類、降維、迴歸、分類、預處理、模型選擇、模型解釋和最近鄰工作流程。
- 透過
cuml.dask提供分散式實作,支援多 GPU 和多節點執行(搭配 Dask)。 - 可使用
pickle或joblib(使用 cloudpickle)進行模型序列化以用於推論,並附有針對不受信任來源的安全警告。 - 相容於 scikit-learn 1.6 或更高版本。
使用情境
- 在 NVIDIA GPU 上使用類似 scikit-learn 的 API 執行機器學習工作流程。
- 在不修改程式碼的情況下,加速使用 scikit-learn、UMAP 或 HDBSCAN 的現有 Python 指令碼或 Jupyter 筆記本。
- 使用 Dask 將機器學習演算法擴展到多個 GPU 或多個節點。
- 對受益於 GPU 加速的大型資料集進行聚類、分類、迴歸和降維。
快速開始
請參閱儲存庫 README 以取得安裝說明。使用 cuML 文件網站上的安裝選擇器,產生用 conda、pip 或 Docker 安裝 nightly 或 release cuML 套件的指令。
授權與價格
授權:Apache-2.0。價格:開源(免費)。
內容整理自該專案公開的 README 與儲存庫資訊。