uxlfoundation/oneDAL

解決的問題

它為表格數據提供高性能、加速的機器學習例程，減少了線性回歸、K-means 聚類和隨機森林等常見數據科學任務所需的計算時間。

工作原理

該函式庫使用 C++ 和 DPC++ 編寫，利用硬體特定優化。它針對 CPU 使用 SIMD 指令並利用快取結構，針對 GPU 加速使用 SYCL 框架和 oneMKL 函式庫。它還支援多節點分散式設置，以便在多台機器上擴展效能。

適用對象

需要加速其 ML 工作流的數據科學家和軟體工程師，特別是那些使用 C++ 或 Python（透過 scikit-learn 擴充功能）的人員。

亮點

• 用於表格數據的加速例程（例如：線性回歸、K-means、隨機森林）。
• 針對 CPU 和 GPU 的跨平台硬體加速。
• 支援用於強擴展和弱擴展的多節點分散式運算。
• 透過 scikit-learn-intelex 擴充功能與 scikit-learn 整合。
• 透過 OAP MLlib 專案提升 Apache Spark MLlib 的效能。