cuGraph 入门

所需的硬件/软件

CuGraph 是 Rapids 的一部分，并具有以下系统要求

• NVIDIA GPU，Volta 架构或更高版本，计算能力 (compute capability) 7.0+

• CUDA 11.2, 11.4, 11.5, 11.8, 12.0, 12.2, 12.5 或 12.8

• Python 版本 3.10, 3.11 或 3.12

• NetworkX 版本 >= 3.3 或更新版本，以便使用 NetworkX Configs 这对于使用 nx-cuGraph 是必需的，参见下文。

安装

最新的 RAPIDS 系统要求文档位于此处。

这包括几种设置 cuGraph 的方法

• 从 Unix

  • Conda

  • Docker

  • pip

• 在 Windows 中，您必须安装 WSL2，然后选择以下方法之一

  • Conda

  • Docker

  • pip

• 从源代码构建

要从源代码构建，请查看每个 RAPIDS GitHub README 以获取设置和构建说明。更多链接在选择器工具中提供。如果需要额外帮助，请在我们的 Slack 频道上联系我们。

使用 NetworkX 代码的 CuGraph

虽然需要以上步骤才能使用 cuGraph 的全套图分析功能，但 cuGraph 现在通过使用 nx-cugraph 支持作为 NetworkX 后端。对于已有 NetworkX 代码的用户，nx-cugraph 提供了一个零代码修改的选项，并支持越来越多的算法。

CuGraph API 示例

即将推出！

在此之前，cuGraph notebook 仓库包含许多在 Jupyter notebook 中加载图数据和运行算法的示例。cuGraph 测试代码提供了设置和调用 cuGraph 算法的 Python 脚本示例。一个简单的测试度中心性算法的示例是一个很好的起点。其中一些示例还展示了使用更大数据集的多 GPU 测试/示例。