uxlfoundation/oneDAL

解決する課題

テーブルデータに対して高性能で加速された機械学習ルーチンを提供し、線形回帰、K-means クラスタリング、ランダムフォレストなどの一般的なデータサイエンスタスクに必要な計算時間を短縮します。

仕組み

C++ と DPC++ で記述されたこのライブラリは、ハードウェア固有の最適化を活用します。CPU に対しては SIMD 命令とキャッシュ構造の活用を使用し、GPU 加速には SYCL フレームワークと oneMKL ライブラリを使用します。また、複数のマシンにわたってパフォーマンスをスケールさせるためのマルチノード分散セットアップもサポートしています。

対象者

ML ワークフローの加速を必要とするデータサイエンティストおよびソフトウェアエンジニア、特に C++ または Python（scikit-learn 拡張機能経由）を使用する方々。

ハイライト

• テーブルデータ向けの加速されたルーチン（例：線形回帰、K-means、ランダムフォレスト）。
• CPU および GPU のクロスプラットフォーム・ハードウェア加速。
• 強力なスケーリングと弱いスケーリングのためのマルチノード分散計算のサポート。
• scikit-learn-intelex 拡張機能を通じた scikit-learn との統合。
• OAP MLlib プロジェクトを介した Apache Spark MLlib のパフォーマンス向上。