raft

raft 概覽

這是什麼

RAFT（Reusable Accelerated Functions and Tools）是一個 C++ 標頭檔唯讀的模板函式庫，內含機器學習與資料探勘中廣泛使用的基本演算法與基礎元件。這些演算法經過 CUDA 加速，可作為建構高效能應用程式的積木。RAFT 也提供兩個 Python 函式庫：pylibraft（輕量級 Python 包裝，封裝主機可存取的執行時期 API）與 raft-dask（用於在 Dask 上建構多節點多 GPU 分散式演算法的通訊基礎設施）。

主要功能

• CUDA 加速的機器學習與資訊檢索演算法與基礎元件。
• 以基礎元件為核心的方法，加速演算法建構並降低維護負擔。
• C++ 標頭檔唯讀模板函式庫，可選用共享函式庫以加快編譯時間並提供執行時期 API。
• 透過 mdspan 與 mdarray 支援多維陣列，並使用 CCCL 或 RMM 的記憶體資源進行記憶體管理。
• Python 函式庫：pylibraft 提供輕量級 Python 包裝，raft-dask 支援分散式多 GPU 運算。
• 透過 cuda_array_interface 與 DLPack 與其他函式庫（CuPy、PyTorch、JAX、TensorFlow、cuDF）互通。

使用情境

• 建構高效能 CUDA 加速的機器學習與資料探勘應用程式。
• 加速資訊檢索演算法與工作流程。
• 使用可重複使用的基礎元件開發自訂演算法，涵蓋稠密與稀疏運算、求解器、統計與工具。
• 使用 Dask 進行多節點多 GPU 分散式運算。

快速開始

請參閱儲存庫的 README 以取得安裝說明。該函式庫提供 C++ 與 Python API。以下是使用 C++ API 計算成對距離的簡短範例： ```c++ #include #include #include #include raft::device_resources handle; int n_samples = 5000; int n_features = 50; auto input_view = raft::make_device_matrix_view(input, n_samples, n_features); auto labels_view = raft::make_device_vector_view(labels, n_samples); auto output_view = raft::make_device_matrix_view(output, n_samples, n_samples); raft::random::make_blobs(handle, input_view, labels_view); auto metric = cuvs::distance::DistanceType::L2SqrtExpanded; cuvs::

內容整理自該專案公開的 README 與儲存庫資訊。