NVIDIA cuML – GPU加速機械学習

何であるか – cuMLはNVIDIAのオープンソースライブラリで、馴染み深いscikit-learn APIをNVIDIA GPU上で利用可能にします。クラスタリング、回帰、分類、次元削減などの古典的なMLアルゴリズムをGPU上で直接実行できるように実装しており、一部のワークロードでは最大約50倍の高速化を実現します。

使い方

• ネイティブAPI – scikit-learnと同様に cuml をインポートし、fit、predict、transform を呼び出します。データはGPU上に保持されるため、コストの高いホスト-デバイス間のコピーを回避できます。
• 既存コードの加速 – スクリプトやJupyterノートブックに cuml.accel を挿入するだけで、scikit-learn、UMAP、HDBSCANの呼び出しを自動的にGPU版に置き換え、コード変更なしで加速が可能になります。
• マルチGPUスケーリング – cuml.daskモジュールにより、Daskを介して多数のGPUまたはノードで特定のアルゴリズムを実行できます。

READMEに記載された主な機能

• APIはscikit-learnの推定器パターンを再現しています。
• cuml.accelは、必要に応じてCPUへのフォールバックを含むシームレスなGPU加速を提供します。
• cuml.daskによる分散実行。
• conda、pip、Docker（セレクターツール）によるインストール。
• pickle/joblibによるモデルのシリアライズ（標準的なセキュリティ警告付き）。
• 広範なドキュメント、ノートブック、およびscikit-learn ≥ 1.6との互換性。

対象ユーザー – scikit-learnを既に使用しており、NVIDIA GPUを活用してトレーニング/推論を高速化したいデータサイエンティストやエンジニア。

始めるには – READMEのDBSCANのクイック例を参考に、APIリファレンスを確認する、または既存のscikit-learnスクリプトに対して python -m cuml.accel script.py を実行してください。