* 注意 *

cuGraph 代码库已经重构，以使其构建、维护和使用更有效率。

支持 GNN 的库现在位于 cugraph-gnn 代码库中

• pylibwholegraph - Wholegraph 库，用于客户端内存管理，支持 cuGraph-DGL 和 cuGraph-PyG，以实现更高的可扩展性

• cugraph_dgl 支持将 cugraph Property Graphs 用于 Deep Graph Library (DGL)

• cugraph_pyg 支持将 cugraph Property Graphs 用于 PyTorch Geometric (PyG)。

RAPIDS nx-cugraph 现在位于 nx-cugraph 代码库中，其中包含一个针对 NetworkX 的后端，用于通过 GPU 加速运行支持的算法。

The cugraph-docs 代码库包含生成 cuGraph 文档的代码。

—

RAPIDS 图形文档

简介

cuGraph 是一个图算法库，它可以无缝集成到 RAPIDS 数据科学生态系统中，并允许数据科学家使用存储在 cuDF/Pandas DataFrames 或 CuPy/SciPy 稀疏矩阵中的数据轻松调用图算法。

使用 NetworkX 代码的 cuGraph

cuGraph 现在可以使用 nx-cugraph 作为 NetworkX 后端。我们与 NetworkX 的主要集成工作为 NetworkX 用户提供了一个**零代码更改**的选项，以使用 NVIDIA GPU 和 cuGraph 加速他们现有的 NetworkX 代码。

请查看零代码更改加速 NetworkX。如果您想继续使用标准 cuGraph，请继续向下阅读。

cuGraph 入门

cuGraph 和 RAPIDS 所需的硬件/软件

安装

请参阅最新的RAPIDS 系统要求文档。

这包括几种设置 cuGraph 的方法

• 在 Unix 上

  • Conda

  • Docker

  • pip

注意：在 Windows 上使用 RAPIDS 依赖于事先安装 WSL2。

• 在 Windows 上

  • Conda

  • Docker

  • pip

cuGraph API 示例

import cugraph
import cudf

# Create an instance of the popular Zachary Karate Club graph
from cugraph.datasets import karate
G = karate.get_graph()

# Call cugraph.degree_centrality
vertex_bc = cugraph.degree_centrality(G)

有几个包含 cuGraph 示例的资源，cuGraph 的notebook 代码库中有许多在 Jupyter notebook 中加载图数据和运行算法的示例。cuGraph 的测试代码包含设置和调用 cuGraph 算法的脚本示例。

一个简单的测试度中心性算法的例子是一个不错的起点。还有包含更大数据集的多 GPU 示例。

---

目录

• cuGraph 简介
• nx-cugraph
• 安装
• 教程
• 图支持
• WholeGraph
• 参考资料
• 开发者资源
• API 参考

索引和表格

• 索引

• 搜索页