RAPIDS

GPU:illa toimivien data-analytiikan ja koneoppimisen kirjastojen kokoelma.

Uutiset

5.10.2022 Puhdin Red Hat Enterprise Linux 8 -päivityksen (RHEL8) vuoksi tuettujen RAPIDS-versioiden määrää on vähennetty. Ota yhteyttä asiakastukeemme, jos todella tarvitset pääsyn vanhempiin versioihin.

5.5.2022 Mahdin Red Hat Enterprise Linux 8 -päivityksen (RHEL8) vuoksi vanhemmat RAPIDS-versiot eivät ole enää täysin tuettuja. Ota yhteyttä asiakastukeemme, jos todella tarvitset pääsyn vanhempiin versioihin.

4.2.2022 Kaikki vanhat RAPIDS-versiot, jotka perustuivat suoriin Conda- asennuksiin, on poistettu käytöstä, ja kannustamme käyttäjiä siirtymään uudempiin versioihin. Lue lisää erilliseltä Condan käytöstäpoistosivultamme.

Saatavuus

RAPIDS on saatavilla sekä Puhdissa että Mahdissa. Tällä hetkellä tuetut RAPIDS-versiot:

22.04, perustuu RAPIDSin virallisiin Docker-kuviin: 22.04

Sisältää RAPIDS -kirjastokokoelman (mukaan lukien cuDF, cuML, cuGraph ja XGBoost) Pythonille CUDA:n kautta toteutetulla GPU-tuella.

Jos huomaat, että jokin paketti puuttuu, voit usein asentaa sen itse komennolla pip install --user. Katso lisätietoja pakettien omatoimisesta asentamisesta Python-ohjeistamme. Jos mielestäsi jokin tärkeä RAPIDSiin liittyvä paketti pitäisi sisällyttää CSC:n tarjoamaan moduuliin, ota yhteyttä asiakastukeemme.

Kaikki moduulit perustuvat Apptaineria käyttäviin kontteihin (tunnettiin aiemmin nimellä Singularity). Tarjolla on wrapper-skriptit, joten yleisten komentojen, kuten python, python3, pip ja pip3, pitäisi toimia normaalisti. Muiden komentojen kohdalla niiden eteen pitää lisätä apptainer_wrapper exec. Lisätietoja on CSC:n yleisissä ohjeissa Apptainer-konttien ajamiseen.

Lisenssi

RAPIDS on lisensoitu Apache License 2.0 -lisenssillä.

Käyttö

Ota ohjelmisto käyttöön alustamalla se komennolla:

module load rapids

jolloin saat käyttöön oletusversion.

Näet kaikki saatavilla olevat versiot komennolla:

module avail rapids

Voit tarkistaa ladattuun moduuliin sisältyvät tarkat paketit ja versiot komennolla:

list-packages

Huomaa

Kirjautumissolmut eivät ole tarkoitettu raskasta laskentaa varten, joten käytä sen sijaan Slurm-eräajoja. Katso ohjeemme eräajojärjestelmän käyttöön.

Paikallinen tallennustila

GPU-solmuissa on nopea paikallinen tallennustila, joka on hyödyllinen paljon siirräntää käyttäville sovelluksille. Katso yleiset ohjeemme nopean paikallisen tallennustilan käyttöönottoon.