uxlfoundation/scikit-learn-intelex

해결하는 문제

scikit-learn 애플리케이션에서 학습 및 추론 속도를 높여 타블러 데이터의 머신러닝 워크플로우를 가속화합니다. 다양한 하드웨어 구성에서 표준 scikit-learn의 성능 병목 현상을 해결하며, 사용자가 기존 코드를 변경하지 않고도 상당한 속도 향상을 제공합니다.

작동 방식

이 확장은 scikit-learn을 패치하여 표준 호출을 oneAPI Data Analytics Library (oneDAL) 호출로 대체합니다. CPU와 GPU(다중 GPU 및 다중 노드 구성 포함) 모두에서 벡터 명령어, 스레딩, 하드웨어 고유의 메모리 최적화를 통해 가속화를 달성합니다.

대상 사용자

타블러 데이터에 scikit-learn을 사용하고, 애플리케이션 로직을 재작성하지 않고도 Intel 하드웨어에서 성능을 향상시키고자 하는 데이터 과학자 및 ML 엔지니어.

주요 특징

• 특정 워크플로우에서 최대 100배의 가속을 제공하며, 평균 8.5배의 속도 향상.
• 패치 메커니즘을 통해 오픈소스 scikit-learn API를 유지하면서 원활한 통합 가능.
• GPU 및 다중 GPU 설정으로 오프로드하여 더 높은 성능을 제공.
• 기존 scikit-learn 임포트에 대한 패치로 사용하거나, 독립 모듈로 사용 가능.