NVIDIA cuML – GPU 加速机器学习

是什么 – cuML 是 NVIDIA 的开源库，将熟悉的 scikit-learn API 带到了 NVIDIA GPU 上。它实现了多种经典机器学习算法（聚类、回归、分类、降维等），使其直接在 GPU 上运行，带来显著的速度提升（某些工作负载下最高可达约 50 倍）。

如何使用

• 原生 API – 就像使用 scikit-learn 一样导入 cuml，并调用 fit、predict、transform。数据保留在 GPU 上，避免了昂贵的主机-设备复制。
• 加速现有代码 – 将 cuml.accel 插入脚本或 Jupyter Notebook 中；它会自动将兼容的 scikit-learn、UMAP 或 HDBSCAN 调用替换为 GPU 版本，无需修改代码。
• 多 GPU 扩展 – cuml.dask 模块允许您通过 Dask 在多个 GPU 或节点上运行选定的算法。

README 中提到的关键特性

• API 与 scikit-learn 的估计器模式一致。
• cuml.accel 提供无缝的 GPU 加速，并在需要时回退到 CPU。
• 通过 cuml.dask 实现分布式执行。
• 支持通过 conda、pip 或 Docker（选择工具）安装。
• 使用 pickle/joblib 进行模型序列化（附带标准安全警告）。
• 丰富的文档、笔记本，以及与 scikit-learn ≥ 1.6 的兼容性。

适合人群 – 已经使用 scikit-learn 并希望利用 NVIDIA GPU 加速训练/推理，而无需重写管道的数据科学家和工程师。

如何开始 – 参考 README 中的快速 DBSCAN 示例，浏览 API 参考文档，或对现有 scikit-learn 脚本运行 python -m cuml.accel script.py。