J'ai un GPU compatible CUDA (Nvidia GeForce 1060) dans mon système. Lors de l'analyse d'un plus grand ensemble de données, je dois souvent utiliser la fonction de parcelle de paires de la bibliothèque Seaborn, cela prend beaucoup de temps. Existe-t-il un moyen d'exécuter tout mon ordinateur portable sur GPU? Je veux dire, à part seaborn, je veux exécuter tout mon code sur GPU, est-ce possible?
J'ai regardé quelques vidéos sur youtube qui conseillent d'utiliser le compilateur numba python et les annotations jit, je veux savoir s'il existe un paramètre générique qui peut être appliqué au framework anaconda afin que, quoi que je lance sur anaconda utiliser le GPU.
Je suis conscient que tensorflow et keras peuvent être exécutés sur GPU.
3 Réponses :
Existe-t-il un moyen d'exécuter l'intégralité de mon notebook sur GPU? Je veux dire, à part seaborn, je veux exécuter tout mon code sur GPU, est-ce possible?
En un mot, non il n'y en a pas. Il n'y a aucun moyen d'exécuter du code ou des bibliothèques Python génériques sur le GPU.
Je suis conscient que
tensorflowetkeraspeuvent être exécutés sur GPU.
Ni tensorflow ni keras ne peuvent être "exécutés" sur un GPU. Ils peuvent accélérer certaines parties de leurs calculs avec des GPU, mais ce processus n'implique pas d'exécuter une seule ligne de Python sur le GPU.
Je ne sais pas si votre GPU est pris en charge, mais il existe maintenant (Q3 2020) des options pour effectuer la manipulation de données sur le GPU à l'aide de bibliothèques telles que cudf ou cupy .
Je ne fais que commencer dans cette voie et d'après peu que j'ai vu, vous devrez faire un travail "supplémentaire" pour transférer les résultats vers un format que Seaborn peut gérer, mais les calculs avec cudf (et je suppose cupy) sont beaucoup plus rapide (j'ai vu jusqu'à présent des améliorations de 5x à 25x, et j'ai lu des cas encore plus extrêmes).
Vous devrez cependant écrire un peu plus de code ...
Oui, vous pouvez tout à fait! Mais pas avec seaborn.
Vous pouvez utiliser la bibliothèque et écosystème RAPIDS (cudf et le cuxfilter de la bibliothèque de visualisation accélérée GPU, avec ses connexions à holoviews, datashader et api de tableau de bord plot.ly). Voici un excellent guide de démarrage rapide de cuxfilter: https: //docs.rapids.ai/api/cuxfilter/stable/10%20minutes%20to%20cuxfilter.html
Voici un blog de cuxfilter avec dash api: https://medium.com/rapids-ai/plotly-census-viz-dashboard-powered-by-rapids-1503b3506652
Nous sommes sur le point de faire un tutoriel à JupyterCon cette semaine, si vous avez le temps de le voir. https: / /cfp.jupytercon.com/2020/schedule/presentation/242/using-rapids-and-jupyter-to-accelerate-visualization-workflows/
"Je veux savoir s'il existe un paramètre générique qui peut être appliqué au framework anaconda afin que, quoi que je lance sur anaconda, utilise le GPU."
non, il n'y a pas de manière générale d'exécuter "tout mon code sur GPU". Ce n'est pas possible, que ce soit dans un notebook Jupyter, Anaconda ou tout autre paramètre.
Merci, Robert, cela aide!
Bonne question chotu!