问题标签 [rapids]

我正在尝试在 Windows 计算机上运行 Nvidia rapids，但没有任何运气。我已经为 windows 安装了 docker desktop 并下载了 rapids 图像。已安装 Cuda 10.0，但未安装 Nvidia-container-toolkit。我无法让它运行。有什么想法或指导吗？

我想尝试 RAPIDS，但我发现它只与 Ubuntu 16.04/18.04 和 CentOS 7 兼容。因为我已经在我的工作站上安装了一个完全可操作的 Debian 9 系统，而且我知道 Ubuntu 是一个 Debian 衍生发行版，所以我想知道是否可以按照 Ubuntu 说明在 Debian 上运行它。在此先感谢您的帮助

圭多

我想在 GPU 上运行 kneighborregressor 和 kneighborclassifier。但是，我无法在 RAPIDS 中找到它们。这些功能目前是否已实施或计划开发？

我在 Google Colab 上使用 CUML 0.10.0 库中的随机森林回归模型，但无法获得模型预测。模型训练成功结束后，我使用 (.predict) 方法对一个非常大的数组 (41697600, 11) 进行推理。但是，我收到以下错误：

即使在将输入 numpy 数组的 dtype 转换为 float32 并在 predict 方法中指定 predict_model='CPU' 参数后，该错误仍然存​​在。

这是供您参考的使用代码：

型号总结：

我需要在 nvidia 的 rapids cudf 库的定义块中为 sklearn 的内核密度函数指定 dtype（数据类型）。在 Python 3.7 中，我能够找到类型信息，但由于某种原因，它不被认为是 nvidia 的 rapids def 块接受的数据类型。我在下面包含了我的代码和错误消息，以便任何人都可以重现错误消息。

下面是内核密度函数的典型实现代码：

这是我与 Sklearn 的内核密度函数一起使用的 NVIDIA Rapids Def 块：

这是错误消息（也许如果我得到正确的 x 和 out3 的 dtype，这将解决所有错误）：

我正在使用rapids.ai的python 库，我开始想知道的关键问题之一是：如何以编程方式检查内存分配？我知道我可以nvidia-smi用来查看一些总体高级统计数据，但具体来说，我想知道：

1）有没有一种简单的方法可以找到 cudf 数据帧（和其他急流对象）的内存占用？

2) 有没有办法让我确定可用的设备内存？

我确信 C++ 程序员有很多方法可以获取这些详细信息，但我希望找到一个答案，让我留在 Python 中。

如何在大型数据集 dask_cudf 上运行 dask_cuML（例如逻辑回归）？

我无法在我的 cudf 数据帧上运行 cuML，因为数据集很大，所以一旦我尝试任何东西，就会“内存不足”。好的一面是我有 4 个 GPU 可以与 dask_cudf 一起使用。

有人知道例如在 dask_cudf 数据帧上运行逻辑回归的步骤吗？

关于我的 cudf 和 cuml 逻辑函数：

我的想法 - 逐步：（不工作！）

1- 将 gdf ​​cudf 转换为 dask_cudf。

2-meta_dtypes = dict(zip(ddf.columns, ddf.dtypes))

3-

4-ddf = ddf .map_partitions(logistic_regression, meta=meta_dtypes)

任何建议或见解表示赞赏！

我运行 Windows 10 并安装了 Anaconda。我正在尝试安装cudf，但我一再失败：

我的 CUDA 版本：

你会建议我怎么做？

我正在尝试将带有 cuDF 和 cuML 的 Rapids 库安装到 Colab 会话，并根据此示例执行代码：从 在 Googe Colab notebook 上安装 RAPIDS 库

在安装过程中我收到了这个错误：

我曾尝试分别安装 cuDF 和 cuML

但仍然收到错误：

如何解决这个错误？

我试图在 Numba 的 jit 优化代码中使用 numpy，但是当我尝试执行标准 numpy 操作（如 numpy.ones_like）时出现错误，即使 numba 文档提到该操作是受支持的。

文档链接：Numba 0.46。

编辑：如果我直接调用“calc_method”方法，它可以正常工作，但在 apply_chunks 中使用时会失败。所以可能不是 Numba 本身的问题，而是如何使用 cudf.apply_chunks。

代码：

错误：

谁能告诉我在上面的例子中我做错了什么？提前致谢。

np.hstack 我也收到类似的错误

注意：这是重现问题的简化示例。