RAPIDS 是一套面向 Python 數(shù)據(jù)科學(xué)的 NVIDIA CUDA-X 庫，最新發(fā)布的 25.06 版本引入了多項(xiàng)亮眼新功能，其中包括 Polars GPU 流執(zhí)行引擎——這是一種面向圖神經(jīng)網(wǎng)絡(luò)（GNN）的統(tǒng)一 API，以及無需更改代碼即可實(shí)現(xiàn)的支持向量機(jī)加速功能。在本篇博客中，我們將介紹其中的幾項(xiàng)重要更新。

Polars GPU 引擎更新

2024 年 9 月，NVIDIA 與 Polars 團(tuán)隊(duì)合作推出了基于 NVIDIA cuDF 開發(fā)的 Polars GPU 引擎。此次發(fā)布的 25.06 版對 Polars GPU 引擎的功能進(jìn)行了重大更新。

流執(zhí)行器現(xiàn)已進(jìn)入實(shí)驗(yàn)階段

25.06 版在 Polars GPU 引擎中引入了流執(zhí)行功能。流執(zhí)行器利用數(shù)據(jù)分區(qū)和并行處理技術(shù)，能夠處理超出顯存容量的數(shù)據(jù)集。要使用這個(gè)新的流執(zhí)行器，用戶可以將恰當(dāng)配置的 GPUEngine 對象傳遞給 Polars 的 collect 調(diào)用。

這種新的流模式還能讓用戶將數(shù)據(jù)處理工作流擴(kuò)展到多個(gè) GPU，有助于加速分析數(shù)百 GB 到 TB 級的數(shù)據(jù)集。對于需要在分區(qū)之間移動數(shù)據(jù)的操作（例如連接和分組），新引入的數(shù)據(jù)混洗（shuffle）機(jī)制可在設(shè)備之間重新分配數(shù)據(jù)。多 GPU 執(zhí)行通過 Dask 分布式調(diào)度器進(jìn)行編排，使用前需要先設(shè)置一個(gè) Dask 客戶端。

流執(zhí)行器目前仍在積極開發(fā)中，尚未支持的操作將自動回退到內(nèi)存執(zhí)行器。

支持滾動聚合及更多列操作

最新版本還包含了對 Polars GPU 引擎中一些關(guān)鍵新 DataFrame 功能的支持。首先，我們在 Polars 中添加了對 .rolling() 操作的支持，允許用戶基于一些 DataFrame 中的其他列創(chuàng)建滾動組。這在處理時(shí)間序列數(shù)據(jù)集時(shí)尤為實(shí)用。

此外 GPU 引擎現(xiàn)在支持更豐富的日期時(shí)間列表達(dá)式，目前已支持的新方法包括 .strftime() 和 .cast_time_unit()。隨著我們繼續(xù)擴(kuò)展整體 API 覆蓋范圍，未來版本還將支持更多方法。

統(tǒng)一的 GNN API

NVIDIA cuGraph-PyG 進(jìn)一步集成了 WholeGraph 以加速特征提取，形成了我們所說的統(tǒng)一 API。這個(gè)新 API 現(xiàn)在允許用戶在單 GPU 工作流中使用 WholeGraph 的加速特征存儲，同時(shí)無需修改腳本即可用于多 GPU 或多節(jié)點(diǎn)工作流。

借助統(tǒng)一 API，在單 GPU 上進(jìn)行原型開發(fā)時(shí)使用相同的 GNN 訓(xùn)練腳本就能在具有多個(gè) GPU 的單節(jié)點(diǎn)以及多節(jié)點(diǎn)上運(yùn)行。通過 PyTorch 的 torchrun 命令管理進(jìn)程設(shè)置，使得大多數(shù) PyTorch 用戶都可以熟練地使用統(tǒng)一 API。

無需更改代碼的 cuML 增強(qiáng)功能

今年 3 月，NVIDIA 推出了由 cuML 驅(qū)動、用于 scikit-learn 的無需更改代碼的加速器，該加速器已進(jìn)入公測階段。在 25.06 版本中，cuML 為用戶帶來了更多無需更改代碼的功能。

無需更改代碼的支持向量機(jī)

NVIDIA cuML 擴(kuò)展了其無需更改代碼的加速功能，新增了對支持向量機(jī)的支持。支持向量分類（SVC）和支持向量回歸（SVR）這兩種強(qiáng)大的算法在 GPU 上執(zhí)行時(shí)，能很好地處理高維數(shù)據(jù)并顯著地提升速度。通過在 cuML 的零代碼變更接口中添加這些估計(jì)器，利用支持向量機(jī)的現(xiàn)有 scikit-learn 工作流無需修改即可加速。cuML 和 scikit-learn 在 SVC 和 SVR 的實(shí)現(xiàn)上存在一些關(guān)鍵差異，還請用戶加以了解。

改進(jìn)的 scikit-learn 兼容性

25.06 版本對 cuML 加速 scikit-learn 估計(jì)器的方式進(jìn)行了重大重構(gòu)，增強(qiáng)了 scikit-learn 一致性，還改進(jìn)了參數(shù)驗(yàn)證和異常處理。此外，通過這次重新設(shè)計(jì)，cuML 也增強(qiáng)了與 scikit-learn API 的兼容性，可以更輕松地加速目前與 scikit-learn 集成的第三方庫。

隨機(jī)森林與更新后的森林推理庫（FIL）集成

通過集成更快、更強(qiáng)大的森林推理庫（FIL），cuML 的隨機(jī)森林估計(jì)器得到了升級，在保持向后兼容性的同時(shí)，提供了更高的性能和更好的內(nèi)存管理。

需注意，舊版特有的一些 API 調(diào)節(jié)參數(shù)（knobs）現(xiàn)已棄用，并將在即將發(fā)布的 25.08 版本中移除。

RAPIDS 內(nèi)存管理器與NVIDIABlackwell 解壓縮引擎的兼容性

RAPIDS 內(nèi)存管理器（RMM）庫增加了全新功能，確保用戶能夠使用最新的 NVIDIA 硬件功能。在最新版本中，RMM 異步內(nèi)存資源可支持兼容 NVIDIA Blackwell GPU 上基于硬件的解壓縮引擎，讓 IO 密集型工作流中的性能得到提升。

此外，RMM 現(xiàn)在以一個(gè)預(yù)編譯共享庫的形式存在，取代了之前的僅包含頭文件的庫。我們相信這一變化將為未來解鎖新功能奠定基礎(chǔ)。

平臺更新：Python 和NVIDIA CUDA 支持

25.06 版本為所有 RAPIDS 庫添加了對 Python 3.13 的支持，同時(shí)也是最后一個(gè)支持 CUDA 11 的版本。從 25.08 版開始，RAPIDS 將不再支持 CUDA 11。如需繼續(xù)使用 CUDA 11，可以固定使用 25.06 版本。

結(jié)語

RAPIDS 25.06 版為新的機(jī)器學(xué)習(xí)算法帶來了零代碼變更功能、新的 Polars GPU 流引擎、異步內(nèi)存資源的硬件解壓縮功能等多項(xiàng)功能。