NVIDIA RAPIDS 25.06版本新增多项功能

RAPIDS 是一套面向 Python 数据科学的 NVIDIA CUDA-X 库，最新发布的 25.06 版本引入了多项亮眼新功能，其中包括 Polars GPU 流执行引擎——这是一种面向图神经网络（GNN）的统一 API，以及无需更改代码即可实现的支持向量机加速功能。在本篇博客中，我们将介绍其中的几项重要更新。

Polars GPU 引擎更新

2024 年 9 月，NVIDIA 与 Polars 团队合作推出了基于 NVIDIA cuDF 开发的 Polars GPU 引擎。此次发布的 25.06 版对 Polars GPU 引擎的功能进行了重大更新。

流执行器现已进入实验阶段

25.06 版在 Polars GPU 引擎中引入了流执行功能。流执行器利用数据分区和并行处理技术，能够处理超出显存容量的数据集。要使用这个新的流执行器，用户可以将恰当配置的 GPUEngine 对象传递给 Polars 的 collect 调用。

这种新的流模式还能让用户将数据处理工作流扩展到多个 GPU，有助于加速分析数百 GB 到 TB 级的数据集。对于需要在分区之间移动数据的操作（例如连接和分组），新引入的数据混洗（shuffle）机制可在设备之间重新分配数据。多 GPU 执行通过 Dask 分布式调度器进行编排，使用前需要先设置一个 Dask 客户端。

流执行器目前仍在积极开发中，尚未支持的操作将自动回退到内存执行器。

支持滚动聚合及更多列操作

最新版本还包含了对 Polars GPU 引擎中一些关键新 DataFrame 功能的支持。首先，我们在 Polars 中添加了对 .rolling() 操作的支持，允许用户基于一些 DataFrame 中的其他列创建滚动组。这在处理时间序列数据集时尤为实用。

此外 GPU 引擎现在支持更丰富的日期时间列表达式，目前已支持的新方法包括 .strftime() 和 .cast_time_unit()。随着我们继续扩展整体 API 覆盖范围，未来版本还将支持更多方法。

统一的 GNN API

NVIDIA cuGraph-PyG 进一步集成了 WholeGraph 以加速特征提取，形成了我们所说的统一 API。这个新 API 现在允许用户在单 GPU 工作流中使用 WholeGraph 的加速特征存储，同时无需修改脚本即可用于多 GPU 或多节点工作流。

借助统一 API，在单 GPU 上进行原型开发时使用相同的 GNN 训练脚本就能在具有多个 GPU 的单节点以及多节点上运行。通过 PyTorch 的 torchrun 命令管理进程设置，使得大多数 PyTorch 用户都可以熟练地使用统一 API。

无需更改代码的 cuML 增强功能

今年 3 月，NVIDIA 推出了由 cuML 驱动、用于 scikit-learn 的无需更改代码的加速器，该加速器已进入公测阶段。在 25.06 版本中，cuML 为用户带来了更多无需更改代码的功能。

无需更改代码的支持向量机

NVIDIA cuML 扩展了其无需更改代码的加速功能，新增了对支持向量机的支持。支持向量分类（SVC）和支持向量回归（SVR）这两种强大的算法在 GPU 上执行时，能很好地处理高维数据并显著地提升速度。通过在 cuML 的零代码变更接口中添加这些估计器，利用支持向量机的现有 scikit-learn 工作流无需修改即可加速。cuML 和 scikit-learn 在 SVC 和 SVR 的实现上存在一些关键差异，还请用户加以了解。

改进的 scikit-learn 兼容性

25.06 版本对 cuML 加速 scikit-learn 估计器的方式进行了重大重构，增强了 scikit-learn 一致性，还改进了参数验证和异常处理。此外，通过这次重新设计，cuML 也增强了与 scikit-learn API 的兼容性，可以更轻松地加速目前与 scikit-learn 集成的第三方库。

随机森林与更新后的森林推理库（FIL）集成

通过集成更快、更强大的森林推理库（FIL），cuML 的随机森林估计器得到了升级，在保持向后兼容性的同时，提供了更高的性能和更好的内存管理。

需注意，旧版特有的一些 API 调节参数（knobs）现已弃用，并将在即将发布的 25.08 版本中移除。

RAPIDS 内存管理器与NVIDIABlackwell 解压缩引擎的兼容性

RAPIDS 内存管理器（RMM）库增加了全新功能，确保用户能够使用最新的 NVIDIA 硬件功能。在最新版本中，RMM 异步内存资源可支持兼容 NVIDIA Blackwell GPU 上基于硬件的解压缩引擎，让 IO 密集型工作流中的性能得到提升。

此外，RMM 现在以一个预编译共享库的形式存在，取代了之前的仅包含头文件的库。我们相信这一变化将为未来解锁新功能奠定基础。

平台更新：Python 和NVIDIA CUDA 支持

25.06 版本为所有 RAPIDS 库添加了对 Python 3.13 的支持，同时也是最后一个支持 CUDA 11 的版本。从 25.08 版开始，RAPIDS 将不再支持 CUDA 11。如需继续使用 CUDA 11，可以固定使用 25.06 版本。

结语

RAPIDS 25.06 版为新的机器学习算法带来了零代码变更功能、新的 Polars GPU 流引擎、异步内存资源的硬件解压缩功能等多项功能。