CUDA-X 数据科学
安装并使用 NVIDIA cuML 和 NVIDIA cuDF，加速 UMAP、HDBSCAN、pandas 等工作负载，而且无需修改任何代码。
基本概念
本操作手册包含两个示例 notebook，演示了如何使用 CUDA-X 数据科学库加速关键机器学习算法和核心 pandas 操作：
NVIDIA cuDF：无需更改代码，即可加速 8GB 字符串数据的数据准备和核心处理操作。
NVIDIA cuML：无需更改代码，即可加速 scikit-learn (LinearSVC)、UMAP 和 HDBSCAN 等常用的计算密集型机器学习算法。
CUDA-X 数据科学（原 RAPIDS）是一个开源库集合，旨在加速数据科学和数据处理生态。这些库无需任何代码更改即可加速诸如 scikit-learn 和 pandas 等流行的 Python 工具。在 DGX Spark 上，这些库能够利用您现有的代码，最大限度地提升桌面性能。
您将完成
您将学习如何利用 GPU 加速常用的机器学习算法和数据分析操作。您将了解如何加速常用的 Python 工具，以及在 DGX Spark 上运行数据科学工作流的价值。
先决条件
熟悉 pandas、scikit-learn及支持向量机、聚类、降维等机器学习算法。
安装 conda
生成 Kaggle API 密钥
时间和风险
预估时间：设置时间为 20-30 分钟，运行每个notebook需要 2-3 分钟。
- 风险级别：
由于网络问题导致数据下载缓慢或失败
Kaggle API 生成失败，需要重试
还原方式：正常使用期间未对系统进行任何永久性更改。
- 最后更新：2025 年 11 月 7 日
进行了少量文字修改
第 1 步 - 验证系统要求
使用以下命令验证系统是否已安装 CUDA 13：nvcc --version 或者 nvidia-smi
使用以下命令安装 conda
使用以下方式创建 Kaggle API 密钥并将 kaggle.json 文件放置在与 notebook 同一文件夹中
第 2 步 - 安装数据科学库
使用以下命令安装 CUDA-X 库（这将创建一个新的 conda 环境）
conda create -n rapids-test -c rapidsai -c conda-forge -c nvidia \ rapids=25.10 python=3.12 'cuda-version=13.0' \ jupyter hdbscan umap-learn
第 3 步 - 激活 conda 环境
conda activate rapids-test
第 4 步 - 克隆 playbook 库
克隆 GitHub 仓库并进入 cuda-x-data-science 文件夹内的 assets 文件夹
git clone https://github.com/NVIDIA/dgx-spark-playbooks
将第一步创建的 kaggle.json 文件放置到 assets 文件夹中
第 5 步 - 运行 notebooks
GitHub 代码库中有两个 notebook。其中一个运行了基于 pandas 在 GPU 上处理大型字符串数据的工作流示例。
运行 cudf_pandas_demo.ipynb notebook 并在浏览器中访问 localhost:8888
jupyter notebook cudf_pandas_demo.ipynb
另一个 notebook 讲解了机器学习算法示例，包括 UMAP 和 HDBSCAN 。
运行 cuml_sklearn_demo.ipynb 并使用 localhost:8888 在浏览器中访问 notebook
jupyter notebook cuml_sklearn_demo.ipynb
如果您要远程访问 DGX-Spark，请确保转发必要的端口，以便在本地浏览器中访问该 notebook。请按照以下说明进行端口转发。
ssh -N -L YYYY:localhost:XXXX username@remote_host
YYYY：您要使用的本地端口（例如 8888）
XXXX：您在远程机器上启动 Jupyter Notebook 时指定的端口（例如 8888）
-N：禁止SSH 执行远程命令
-L：指定本地端口转发
