RAPIDS v0.11 +的新过程

Question

我想知道是否可以在Google Colaboratory笔记本中安装RAPIDS库（完全在GPU上执行机器学习任务）？

我已经做过一些研究，但是我找不到解决方法...

Answer 1

现在可以使用新的T4实例https://medium.com/rapids-ai/run-rapids-on-google-colab-for-free-1617ac6323a8

要同时启用cuGraph，可以将wget命令替换为：

！conda install -c nvidia / label / cuda10.0 -c Rapidsai / label / cuda10.0 -c pytorch \ -c numba -c conda-forge -c numba -c默认值\ 提升cudf = 0.6 cuml = 0.6 python = 3.6 cugraph = 0.6 -y

Answer 2

2019年12月更新

RAPIDS v0.11 +的新过程

因为

RAPIDS v0.11具有依赖项（pyarrow），它们分别是以前的安装脚本未涵盖
notebooks-contrib存储区，其中包含RAPIDS演示笔记本（例如 colab_notebooks）和Colab安装脚本，现在遵循RAPIDS标准特定于版本的分支结构*
某些Colab用户仍然喜欢v0.10，

我们尊敬的笔记本电脑制造商霸主taureandyernv已更新了脚本，该脚本现在：

如果运行v0.11或更高版本，请将pyarrow库更新为0.15.x。

这是要在Colab中为v0.11运行的代码单元：

(defmacro defplanet (name coordinates)
  (check-type name (or string symbol)
              "The name of the planet must be a symbol or a string.")
  `(intern-planet ,name (check-coordinates ,coordinates)))

有关设置Colab和实现此脚本的详细信息，请参阅How to Install RAPIDS in Google Colab

-*例如branch-0.11（适用于v0.11）和branch-0.12（适用于v0.12），默认设置为当前版本

Answer 3

看起来各个子部分尚不能通过pip安装，因此将它们安装在colab上的唯一方法是在colab上构建它们，这可能比您有兴趣在此方面投入更多的精力：) https://github.com/rapidsai/cudf/issues/285是需要注意Rapidsai / cudf的问题（大概其他Rapidsai /库也将效仿）。

Answer 4

最新解决方案；

!wget -nc https://github.com/rapidsai/notebooks-extended/raw/master/utils/rapids-colab.sh
!bash rapids-colab.sh

import sys, os

sys.path.append('/usr/local/lib/python3.6/site-packages/')
os.environ['NUMBAPRO_NVVM'] = '/usr/local/cuda/nvvm/lib64/libnvvm.so'
os.environ['NUMBAPRO_LIBDEVICE'] = '/usr/local/cuda/nvvm/libdevice/'

是在几天前推送的，请查看问题https://github.com/statsmodels/statsmodels/issues/6013或#104或完整的rapids-colab.sh #110，以了解更多信息。

注意：灌输当前需要一个Tesla T4实例，可以通过以下方式进行检查；

# check gpu type
!nvidia-smi

import pynvml

pynvml.nvmlInit()
handle = pynvml.nvmlDeviceGetHandleByIndex(0)
device_name = pynvml.nvmlDeviceGetName(handle)

# your dolphin is broken, please reset & try again
if device_name != b'Tesla T4':
  raise Exception("""Unfortunately this instance does not have a T4 GPU.

    Please make sure you've configured Colab to request a GPU instance type.

    Sometimes Colab allocates a Tesla K80 instead of a T4. Resetting the instance.

    If you get a K80 GPU, try Runtime -> Reset all runtimes...""")

# got a T4, good to go 
else:
  print('Woo! You got the right kind of GPU!')

在Googe Colab笔记本上安装RAPIDS库

4 个答案:

2019年12月更新

RAPIDS v0.11 +的新过程