Dies ist die Linux-App namens cuDF, deren neueste Version als v23.10.00.zip heruntergeladen werden kann. Es kann online im kostenlosen Hosting-Anbieter OnWorks für Workstations ausgeführt werden.
Laden Sie diese App namens cuDF mit OnWorks kostenlos herunter und führen Sie sie online aus.
Befolgen Sie diese Anweisungen, um diese App auszuführen:
- 1. Diese Anwendung auf Ihren PC heruntergeladen.
- 2. Geben Sie in unserem Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX den gewünschten Benutzernamen ein.
- 3. Laden Sie diese Anwendung in einem solchen Dateimanager hoch.
- 4. Starten Sie den OnWorks Linux-Online- oder Windows-Online-Emulator oder den MACOS-Online-Emulator von dieser Website.
- 5. Rufen Sie vom gerade gestarteten OnWorks Linux-Betriebssystem aus unseren Dateimanager https://www.onworks.net/myfiles.php?username=XXXXX mit dem gewünschten Benutzernamen auf.
- 6. Laden Sie die Anwendung herunter, installieren Sie sie und führen Sie sie aus.
SCREENSHOTS
Ad
cuDF
BESCHREIBUNG
cuDF basiert auf dem spaltenförmigen Speicherformat von Apache Arrow und ist eine GPU-DataFrame-Bibliothek zum Laden, Verbinden, Aggregieren, Filtern und anderweitigen Bearbeiten von Daten. cuDF bietet eine Panda-ähnliche API, die Dateningenieuren und Datenwissenschaftlern vertraut sein wird, sodass sie damit ihre Arbeitsabläufe einfach beschleunigen können, ohne sich mit den Details der CUDA-Programmierung befassen zu müssen. Weitere Beispiele finden Sie in unserer vollständigen API-Dokumentation oder in unseren ausführlicheren Notebooks. cuDF kann mit Conda (Miniconda oder die vollständige Anaconda-Distribution) aus dem Rapidsai-Kanal installiert werden. cuDF wird nur unter Linux und mit den Python-Versionen 3.7 und höher unterstützt. Die RAPIDS-Suite von Open-Source-Softwarebibliotheken zielt darauf ab, die Ausführung von End-to-End-Data-Science- und Analyse-Pipelines vollständig auf GPUs zu ermöglichen. Es stützt sich auf NVIDIA® CUDA®-Primitiven für die Low-Level-Rechenoptimierung, stellt aber diese GPU-Parallelität und die Speichergeschwindigkeit mit hoher Bandbreite durch benutzerfreundliche Python-Schnittstellen zur Verfügung.
Eigenschaften
- cuDF wird nur unter Linux und mit den Python-Versionen 3.7 und höher unterstützt
- Die RAPIDS-Suite von Open-Source-Softwarebibliotheken gibt Ihnen die Freiheit, End-to-End-Data-Science- und Analyse-Pipelines vollständig auf GPUs auszuführen
- Skalieren Sie mit Dask nahtlos von GPU-Workstations zu Multi-GPU-Servern und Multi-Node-Clustern
- Beschleunigen Sie Ihre Python-Data-Science-Toolchain mit minimalen Codeänderungen und ohne das Erlernen neuer Tools
- cuDF bietet eine Panda-ähnliche API, die Dateningenieuren und Datenwissenschaftlern vertraut sein wird
- Basierend auf dem spaltenförmigen Speicherformat von Apache Arrow
Programmiersprache
C + +
Kategorien
Dies ist eine Anwendung, die auch von https://sourceforge.net/projects/cudf.mirror/ abgerufen werden kann. Es wurde in OnWorks gehostet, damit es auf einfachste Weise online von einem unserer kostenlosen Betriebssysteme ausgeführt werden kann.
