uxlfoundation/scikit-learn-intelex

解決的問題

透過加速 scikit-learn 應用中的訓練與推論，提升表格資料的機器學習工作流程效能。解決標準 scikit-learn 在各種硬體配置下的效能瓶頸，使用者無需更動既有程式碼即可獲得顯著加速。

工作原理

此擴充透過取代標準呼叫為 oneAPI Data Analytics Library (oneDAL) 呼叫來修補 scikit-learn。透過向量化指令、多執行緒以及 CPU 與 GPU（包含多 GPU 與多節點組態）的硬體特定記憶體最佳化來實現加速。

適用對象

使用 scikit-learn 處理表格資料，並希望在 Intel 硬體上提升效能但不重寫應用邏輯的資料科學家與 ML 工程師。

主要亮點

• 某些工作流程可達最高 100 倍加速，平均提速 8.5 倍。
• 透過修補機制實現無縫整合，同時維持開源 scikit-learn API 的相容性。
• 支援將運算卸載至 GPU 與多 GPU 環境以獲得更高效能。
• 可作為現有 scikit-learn 導入的修補程式使用，亦可作為獨立模組使用。