我可以在GPU上运行包含季节性代码的jupyter笔记本吗？

Question

我的系统中有兼容CUDA的GPU（Nvidia GeForce 1060）。在分析更大的数据集时，我经常不得不使用seaborn库的对图函数，这会花费大量时间。有没有办法可以在GPU上运行我的整个笔记本。我的意思是，除了seaborn之外，我想在GPU上运行所有代码，这可能吗？

我在YouTube上观看了几段建议使用numba python编译器和jit批注的视频，我想知道是否存在可以应用于anaconda框架的通用设置，因此无论我在anaconda上运行什么利用GPU。

我知道tensorflow和keras可以在GPU上运行。

Answer 1

  

有没有一种方法可以在GPU上运行我的整个笔记本。我的意思是，除了seaborn之外，我想在GPU上运行所有代码，这有可能吗？

总之，没有没有。无法在GPU上运行通用Python代码或库。

  

我知道tensorflow和keras可以在GPU上运行。

tensorflow和keras都不能在GPU上“运行”。他们可以使用GPU加速部分计算，但是该过程并不涉及在GPU上运行一行Python。

Answer 2

是的，您完全可以！但是只是不适合seaborn。

您可以使用RAPIDS library and ecosystem（cudf和GPU加速可视化库cuxfilter，其与holoviews，datashader和plot.ly dash api的连接）。以下是cuxfilter的快速入门指南：https://docs.rapids.ai/api/cuxfilter/stable/10%20minutes%20to%20cuxfilter.html

以下是带有破折号api的cuxfilter博客：https://medium.com/rapids-ai/plotly-census-viz-dashboard-powered-by-rapids-1503b3506652

如果您有时间看的话，我们本周将在JupyterCon上做一个教程。 https://cfp.jupytercon.com/2020/schedule/presentation/242/using-rapids-and-jupyter-to-accelerate-visualization-workflows/

Answer 3

不确定是否支持您的GPU，但现在（2020年第三季度）有使用cudf或cupy之类的库在GPU上进行数据处理的选项。

我只是沿着这条道路开始，从我所知不多，您将不得不做一些“额外的”工作来将结果转换为Seaborn可以处理的格式，但是使用cudf（我假设是cupy）的计算是快得多（到目前为止，我已经看到5到25倍的改进，并且阅读了更多的极端案例）。

尽管如此，您将不得不编写更多代码...