借助 GPU 加速将 UMAP 提升至接近光速
机器学习
2021-03-30 v3 数据结构与算法
机器学习
摘要
均匀流形逼近与投影(UMAP)算法因其易用性、结果质量以及对探索式、无监督、有监督和半监督学习的支持而广受欢迎。虽然许多算法可以简单直接地移植到 GPU,但此类努力产生了低效且不准确的 UMAP 版本。我们展示了一系列可用于制作更快且更忠实的 GPU 版 UMAP 的技术,并在实践中获得高达 100 倍的加速。这些设计选择/经验具有通用性,或可为指导其他图与流形学习算法向 GPU 的转化提供参考。我们的实现已作为开源 RAPIDS cuML 库(https://github.com/rapidsai/cuml)的一部分公开可用。
关键词
引用
@article{arxiv.2008.00325,
title = {Bringing UMAP Closer to the Speed of Light with GPU Acceleration},
author = {Corey J. Nolet and Victor Lafargue and Edward Raff and Thejaswi Nanditale and Tim Oates and John Zedlewski and Joshua Patterson},
journal= {arXiv preprint arXiv:2008.00325},
year = {2021}
}