Intel(R) Extension for Scikit-learn 是加速 Scikit-learn 应用程序的一种无缝方式。

导航

验证详情

这些详情已由 PyPI 验证
维护者
Avatar for IntelAutomationEngineering from gravatar.com IntelAutomationEngineering Avatar for sat-bot from gravatar.com sat-bot

未验证详情

这些详情尚未由 PyPI 验证
项目链接
元信息
  • 许可证: Apache 软件许可证 (Apache v2.0)
  • 作者: Intel 公司
  • 维护者:
  • 标签 机器学习, scikit-learn, 数据科学, 数据分析
  • 要求: Python >=3.7
分类器

项目描述

Intel(R) Extension for Scikit-learn*

Build Status Coverity Scan Build Status Join the community on GitHub Discussions PyPI Version Conda Version

使用 Intel(R) Extension for Scikit-learn，您可以为 Scikit-learn 应用程序加速，同时保持与所有 Scikit-Learn API 和算法的完全兼容性。这是一个免费的 AI 加速器软件，在各种应用程序中带来了 10-100 倍的加速。您甚至不需要更改现有的代码！

加速度是通过使用英特尔(R) oneAPI数据分析库(oneDAL)实现的。修补scikit-learn使其成为处理现实世界问题的理想机器学习框架。

⚠️英特尔(R) Scikit-learn扩展包含原本在daal4py包中可用的scikit-learn修补功能。所有针对修补的未来更新都仅可在英特尔(R) Scikit-learn扩展中获取。我们建议您使用scikit-learn-intelex包而不是daal4py。您可以在daal4py文档中了解更多关于daal4py的信息。

👀 关注我们的Medium账号

我们在Medium上发布博客，因此关注我们，学习如何使用英特尔(R) Scikit-learn扩展更有效地进行数据分析。以下是我们最新的博客

🔗 重要链接

💬 支持

使用以下方式报告问题、提问或提供建议：

您可以通过onedal.maintainers@intel.com私下联系项目维护者。

🛠 安装

英特尔(R) Scikit-learn扩展可在Python包索引、Anaconda Cloud的Conda-Forge通道和英特尔通道中找到。英特尔(R) Scikit-learn扩展也是英特尔® oneAPI AI分析工具包（AI Kit）的一部分。

  • PyPi（默认推荐）
pip install scikit-learn-intelex
  • 来自Conda-Forge通道的Anaconda Cloud（默认为conda用户推荐）
  conda config --add channels conda-forge
  conda config --set channel_priority strict
  conda install scikit-learn-intelex
  • 来自英特尔通道的Anaconda Cloud（默认为英特尔Python分发用户推荐）
  conda config --add channels intel
  conda config --set channel_priority strict
  conda install scikit-learn-intelex
[点击展开] ℹ️ 支持的配置

📦 PyPi通道

操作系统/Python版本 Python 3.8 Python 3.9 Python 3.10 Python 3.11 Python 3.12
Linux [CPU, GPU] [CPU, GPU] [CPU, GPU] [CPU, GPU] [CPU, GPU]
Windows [CPU, GPU] [CPU, GPU] [CPU, GPU] [CPU, GPU] [CPU, GPU]

📦 Anaconda Cloud：Conda-Forge通道

操作系统/Python版本 Python 3.8 Python 3.9 Python 3.10 Python 3.11 Python 3.12
Linux [CPU] [CPU] [CPU] [CPU] [CPU]
Windows [CPU] [CPU] [CPU] [CPU] [CPU]

📦 Anaconda Cloud：英特尔通道

操作系统/Python版本 Python 3.8 Python 3.9 Python 3.10 Python 3.11 Python 3.12
Linux [CPU, GPU] [CPU, GPU] [CPU, GPU] [CPU, GPU] [CPU, GPU]
Windows [CPU, GPU] [CPU, GPU] [CPU, GPU] [CPU, GPU] [CPU, GPU]

⚠️ 注意：GPU支持是可选依赖项。对于GPU支持所需的依赖项将不会下载。您需要手动安装dpcpp_cpp_rt包。

[点击展开] ℹ️ 如何安装dpcpp_cpp_rt包
  • PyPi
pip install --upgrade dpcpp_cpp_rt
  • Anaconda Cloud
conda install dpcpp_cpp_rt -c intel

您还可以从源代码构建包。

⚡️ 开始使用

英特尔CPU优化修补

import numpy as np
from sklearnex import patch_sklearn
patch_sklearn()

from sklearn.cluster import DBSCAN

X = np.array([[1., 2.], [2., 2.], [2., 3.],
              [8., 7.], [8., 8.], [25., 80.]], dtype=np.float32)
clustering = DBSCAN(eps=3, min_samples=2).fit(X)

英特尔GPU优化修补

import numpy as np
import dpctl
from sklearnex import patch_sklearn, config_context
patch_sklearn()

from sklearn.cluster import DBSCAN

X = np.array([[1., 2.], [2., 2.], [2., 3.],
              [8., 7.], [8., 8.], [25., 80.]], dtype=np.float32)
with config_context(target_offload="gpu:0"):
    clustering = DBSCAN(eps=3, min_samples=2).fit(X)

🚀 Scikit-learn修补

配置

  • 硬件：使用2个插槽和每个插槽24个核心的英特尔Xeon Platinum 8275CL的c5.24xlarge AWS EC2实例
  • 软件：scikit-learn版本0.24.2，scikit-learn-intelex版本2021.2.3，Python 3.8

基准代码

[点击展开] ℹ️ 重复结果
  • 启用英特尔® Extension for Scikit-learn
python runner.py --configs configs/blogs/skl_conda_config.json -–report
  • 使用原始Scikit-learn
python runner.py --configs configs/blogs/skl_conda_config.json -–report --no-intel-optimized

Intel(R)扩展的Scikit-learn补丁会影响特定Scikit-learn功能的表现。请参阅支持的算法和参数列表以获取详细信息。当使用不受支持的参数时，该包将回退到原始Scikit-learn。如果补丁不适用于您的场景，请在GitHub上提交问题。

⚠️ 我们支持对Scikit-learn的最后四个版本的优化。Scikit-learn-intelex-2024.0.X的最新版本支持Scikit-learn 1.0.X、1.1.X、1.2.X和1.3.X。

📜 Intel(R)扩展的Scikit-learn详细输出

要找出当前正在使用哪种算法实现（Intel(R)扩展的Scikit-learn或原始Scikit-learn），请设置环境变量

  • 在Linux上：export SKLEARNEX_VERBOSE=INFO
  • 在Windows上：set SKLEARNEX_VERBOSE=INFO

例如，对于DBSCAN，您将根据使用的实现得到以下打印语句之一

  • SKLEARNEX INFO: sklearn.cluster.DBSCAN.fit: 在CPU上运行加速版本
  • SKLEARNEX INFO: sklearn.cluster.DBSCAN.fit: 回退到原始Scikit-learn

在文档中了解更多信息.

项目详情

验证详情

这些详情已由 PyPI 验证
维护者
Avatar for IntelAutomationEngineering from gravatar.com IntelAutomationEngineering Avatar for sat-bot from gravatar.com sat-bot

未验证详情

这些详情尚未由 PyPI 验证
项目链接
元信息
  • 许可证: Apache 软件许可证 (Apache v2.0)
  • 作者: Intel 公司
  • 维护者:
  • 标签 机器学习, scikit-learn, 数据科学, 数据分析
  • 要求: Python >=3.7
分类器

发布历史 发布通知 | RSS订阅

本版本

2024.7.0

2024.6.0

2024.5.0

2024.4.0

2024.3.0

2024.2.0

2024.1.0

2024.0.1

2024.0.0

2023.2.1

2023.2.0

2023.1.1

2023.1.0

2023.0.2

2023.0.1

2023.0.0

2021.7.1

2021.7.0

2021.6.3

2021.6.2

2021.6.0

2021.5.4

2021.5.3

2021.5.1

2021.5.0

2021.4.0

2021.3.0

2021.2.3

2021.2.2

2021.2.1

下载文件

下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。

源代码分发

此版本没有可用的源代码分发文件。请参阅生成分发存档的教程。

构建分发

scikit_learn_intelex-2024.7.0-py312-none-win_amd64.whl (205.3 kB 查看哈希值)

上传时间： Python 3.12 Windows x86-64

scikit_learn_intelex-2024.7.0-py312-none-manylinux1_x86_64.whl (191.5 kB 查看哈希值)

上传时间： Python 3.12

scikit_learn_intelex-2024.7.0-py311-none-win_amd64.whl (205.3 kB 查看哈希值)

上传时间： Python 3.11 Windows x86-64

scikit_learn_intelex-2024.7.0-py311-none-manylinux1_x86_64.whl (191.5 kB 查看哈希值)

上传于 Python 3.11

scikit_learn_intelex-2024.7.0-py310-none-win_amd64.whl (205.3 kB 查看哈希值)

上传于 Python 3.10 Windows x86-64

scikit_learn_intelex-2024.7.0-py310-none-manylinux1_x86_64.whl (191.5 kB 查看哈希值)

上传于 Python 3.10

scikit_learn_intelex-2024.7.0-py39-none-win_amd64.whl (205.3 kB 查看哈希值)

上传于 Python 3.9 Windows x86-64

scikit_learn_intelex-2024.7.0-py39-none-manylinux1_x86_64.whl (191.5 kB 查看哈希值)

上传于 Python 3.9

由以下支持