我在我的 jupyter 笔记本中启动了这个命令

我有这个错误：

错误：找不到满足 cuml 要求的版本（来自版本：无） 错误：没有找到 cuml 的匹配分布

请问我该如何解决（我在windows上）？

我是 Python 和 Rapids.AI 的新手，我正在尝试使用 Dask 和 RAPIDs 在多节点 GPU（我有 2 个 GPU）中重新创建 SKLearn KMeans（我正在使用带有它的 docker 的 rapids，它也安装了一个 Jupyter Notebook）。

我在下面显示的代码（也显示了 Iris 数据集的示例）冻结并且 jupyter notebook 单元永远不会结束。我尝试使用%debug魔法键和 Dask 仪表板，但我没有得出任何明确的结论（我认为可能是唯一的结论device_m_csv.iloc，但我不确定）。另一件事可能是我忘记了一些wait()或compute()或persistent()（真的，我不确定在什么情况下应该正确使用它们）。

我将解释代码，以便更好地阅读：

• 首先，做需要的进口
• 接下来，从 KMeans 算法开始（分隔符：#######################...）
• 创建一个 CUDA 集群，有 2 个工作人员，每个 GPU 一个（我有 2 个 GPU）和 1 个工作线程（我已阅读这是推荐值）并启动一个客户端
• 从 CSV 读取数据集制作 2 个分区 ( chunksize = '2kb')
• 将以前的数据集拆分为数据（更称为X）和标签（（更称为y）
• 使用 Dask 实例化 cu_KMeans
• 适合模型
• 预测值
• 检查获得的分数

很抱歉无法提供更多数据，但我无法获得。任何需要解决疑问的东西我都会很乐意提供。

您认为问题出在哪里或是什么？

非常感谢您提前。

鸢尾花数据集示例：

编辑 1

@Corey，这是我使用您的代码的输出：

我在带有 SKLearn 的 CPU 和使用 RAPID 的 GPU 上使用 RandomForestClassifier。我正在这两个库之间做一个关于使用 Iris 数据集加速和评分的基准测试（这是一个尝试，在未来，我将更改数据集以获得更好的基准测试，我从这两个库开始）。

问题是当我在 CPU 上测量分数时总是得到 1.0 的值，但是当我尝试在 GPU 上测量分数时，我得到一个介于 0.2 和 1.0 之间的变量值，我不明白为什么会发生这种情况。

首先，我使用的库版本是：

我用于 SKLearn RandomForestClassifier 的代码是：

我用于 RAPIDs RandomForestClassifier 的代码是：

我正在使用的 iris 数据集的一个示例是：

你知道为什么会这样吗？两个模型设置相同，参数相同，......我不知道为什么分数之间存在如此大的差异。

谢谢你。

我想了解 dask 和 rapids 有什么区别，rapids 提供了哪些 dask 没有的好处。

Rapids 内部是否使用 dask 代码？如果是这样，那么为什么我们有 dask，因为即使 dask 也可以与 GPU 交互。

我正在使用 CUDF，它是 Nvidia 的 rapids ML 套件的一部分。

使用这个套件，我将如何在两个 DataFrame 之间进行点积？

例如，我将如何在上述数据帧上执行点积？

如何在这个datashader.scattercuxfilter 图中显示更宽的点？或者列之间的空格更少？这是一些 TLC 黄色出租车行程数据上passenger_count(x) 与(y)的散点图。tip_amount

目标是得到与下一张图表类似的东西，用 表示相同的东西holoviews.Scatter：

我正在尝试使用 nvstrings 进行一些操作，但 .data 正在返回 None

数据集 https://s3-ap-south-1.amazonaws.com/av-blog-media/wp-content/uploads/2019/01/train.csv

有什么帮助吗？

这可能是一个非常愚蠢的问题，但必须从某个地方开始。我正在使用 NVDIA 的 rapids.ai gpu-enhanced docker 容器，但这（可能是设计使然）不附带 pytorch。现在，当然，我可以pip install torch torch-ignite每次都做，但这既烦人又耗费资源（而且 pytorch 是一个大下载量）。pip install将a 持久保存在容器中的批准方法是什么？

我想将 cuDF 数据帧转换为 cupy ndarray。我在下面使用这个代码：

输出：

我收到此错误是因为数据集有空值。我怎样才能做到这一点？？

我是 Rapids 的新手，很少有使用 conda 的良好体验。所以我正在尝试使用容器化版本。我是 Docker 新手，未知数的组合让我无法理清问题。

我有一个 Ubuntu 18.04 服务器，

我在上面安装了新版本的 Docker

本机已安装 cuda v10.2

和 Python v3.6.9

如NVIDIA Container Toolkit Quickstart部分所示，我将 nvidia-docker 列表安装到 /etc/apt/sources.list.d/

明确替换ubuntu18.04$distribution，因为这是Linux Mint 19.3 的 Ubuntu 等价物。

按照RAPIDS - Open GPU Data Science中的 Start Container and Notebook Server 说明，我拉取了 0.13-cuda10.2-runtime-ubuntu18.04-py3.6 运行时。

很长一段时间，几 GB 之后，一切似乎都还好。（没有警告或错误消息。）此外，该图像看起来像是在 Docker 中注册的。

但是，我接下来尝试启动笔记本服务器：

这似乎令人惊讶，因为检测到两个 GTX 1080 Ti GPU

收拾东西后

我重新安装了 docker 并再次拉取了 rapidsai 图像。结果没有改变。

与 NVIDIA Driver Version: 440.33.01 是否有冲突？

有什么建议么？