uxlfoundation/oneDAL

解决的问题

它为表格数据提供高性能、加速的机器学习例程，减少了线性回归、K-means 聚类和随机森林等常见数据科学任务所需的计算时间。

工作原理

该库使用 C++ 和 DPC++ 编写，利用硬件特定优化。它针对 CPU 使用 SIMD 指令并利用缓存结构，针对 GPU 加速使用 SYCL 框架和 oneMKL 库。它还支持多节点分布式设置，以便在多台机器上扩展性能。

适用对象

需要加速其 ML 工作流的数据科学家和软件工程师，特别是那些使用 C++ 或 Python（通过 scikit-learn 扩展）的人员。

亮点

• 用于表格数据的加速例程（例如：线性回归、K-means、随机森林）。
• 针对 CPU 和 GPU 的跨平台硬件加速。
• 支持用于强扩展和弱扩展的多节点分布式计算。
• 通过 scikit-learn-intelex 扩展与 scikit-learn 集成。
• 通过 OAP MLlib 项目提升 Apache Spark MLlib 的性能。