NVIDIAがscikit-learnやPandasとほぼ同じ感覚でGPUが使えるライブラリ、RAPIDSを出しているのを知ったので早速インストールで使ってみる。scikit-learnに相当するのはcuMLで、あやめの分類もすぐできた。
NVIDIAがscikit-learnやPandasとほぼ同じ感覚でGPUが使えるライブラリ、RAPIDSを出しているのを知った。
これは使えそうということで早速インストール。
まずはscikit-learnに相当するcuMLを使ってみる。基本、sklearnの部分をcumlに変えるだけでできる（Datasetsは一部しかないのでsklearnで）。もっと簡単な方法もあってGoogle Colabでも使えるがとりあえずはまずはこっちで。
アヤメの分類をK近傍法で、という一番簡単なもののコードと結果はこちら。
本当に簡単に動いた。まあデータセットが小さすぎるので速度の恩恵はわからないが…
これを使って高周波エンジニアのためのAI・機械学習の例をやってみよう。
« 高周波・RFニュース 2026年2月19日 5G Americasが今月末で解散、Mini-Circuitsが50W対応の小型カプラ発表、LoRa Allianceが2025年度実績を報告、DesignCon2026の基調講演の発表者決定など | トップページ | 高周波エンジニアのためのAI・機械学習入門（GPU編13）主成分分析（PCA、教師なし学習）でバンドパスフィルタ（BPF)の次数が異なるもの（減衰がちがうもの）を3軸で特徴づけできるかPythonとNVIDIA RAPIDSのscikit-learn互換のcuMLでやってみる。 »
「パソコン・インターネット」カテゴリの記事
「学問・資格」カテゴリの記事
「日記・コラム・つぶやき」カテゴリの記事
« 高周波・RFニュース 2026年2月19日 5G Americasが今月末で解散、Mini-Circuitsが50W対応の小型カプラ発表、LoRa Allianceが2025年度実績を報告、DesignCon2026の基調講演の発表者決定など | トップページ | 高周波エンジニアのためのAI・機械学習入門（GPU編13）主成分分析（PCA、教師なし学習）でバンドパスフィルタ（BPF)の次数が異なるもの（減衰がちがうもの）を3軸で特徴づけできるかPythonとNVIDIA RAPIDSのscikit-learn互換のcuMLでやってみる。 »
コメント