RAPIDS 图文档#

介绍#
cuGraph 是一个图算法库,它无缝集成到 RAPIDS 数据科学生态系统中,使数据科学家能够轻松调用图算法,使用存储在 cuDF/Pandas 数据框或 CuPy/SciPy 稀疏矩阵中的数据。
cuGraph 使用 NetworkX 代码#
cuGraph 现在可以作为 NetworkX 的后端使用,通过 nx-cugraph。 我们与 NetworkX 的主要集成工作为 NetworkX 用户提供了一个 零代码更改 的选项,以使用 NVIDIA GPU 和 cuGraph 加速他们现有的 NetworkX 代码。
查看无需代码更改的加速NetworkX。如果您希望继续使用标准的cuGraph,请继续向下阅读。
cuGraph入门指南#
- Required hardware/software for cuGraph and RAPIDS
NVIDIA GPU,Volta架构或更高版本,具有计算能力7.0+
CUDA 11.2-11.8, 12.0-12.5
Python 版本 3.10、3.11 或 3.12
安装#
请参阅最新的RAPIDS系统要求文档。
这包括几种设置cuGraph的方法
注意:在Windows上使用RAPIDS依赖于事先安装 WSL2。
Cugraph API 示例
import cugraph import cudf # Create an instance of the popular Zachary Karate Club graph from cugraph.datasets import karate G = karate.get_graph() # Call cugraph.degree_centrality vertex_bc = cugraph.degree_centrality(G)有多个资源包含cuGraph示例,cuGraph的notebook仓库中有许多在Jupyter笔记本中加载图数据和运行算法的示例。 cuGraph的测试代码包含设置和调用cuGraph算法的脚本示例。