注意

RAFT 中的向量搜索和聚类算法正在迁移到专用于向量搜索的新库 cuVS。在此迁移期间，我们将继续支持 RAFT 中的向量搜索算法，但在 RAPIDS 24.06（六月）版本之后将不再更新它们。我们计划在 RAPIDS 24.10（十月）版本之前完成迁移，并且它们将在 24.12（十二月）版本中完全从 RAFT 中移除。

数据生成#

make_blobs#

#include <raft/random/make_blobs.cuh>

namespace raft::random

template<typename DataT, typename IdxT, typename layout> void make_blobs(raft::resources const &handle, raft::device_matrix_view<DataT, IdxT, layout> out, raft::device_vector_view<IdxT, IdxT> labels, IdxT n_clusters = 5, std::optional<raft::device_matrix_view<DataT, IdxT, layout>> centers = std::nullopt, std::optional<raft::device_vector_view<DataT, IdxT>> const cluster_std = std::nullopt, const DataT cluster_std_scalar = (DataT)1.0, bool shuffle = true, DataT center_box_min = (DataT)-10.0, DataT center_box_max = (DataT)10.0, uint64_t seed = 0ULL, GeneratorType type = GenPC)#

sklearn.datasets.make_blobs 的 GPU 等效实现。

模板参数:

DataT – 输出数据类型
IdxT – 索引算术类型

参数:

handle – [in] 用于管理昂贵资源的 raft 句柄
out – [out] 生成的数据 [在设备上] [维度 = n_rows x n_cols]
labels – [out] 生成数据的标签 [在设备上] [长度 = n_rows]
n_clusters – [in] 要生成的簇（或类别）数量
centers – [in] 每个簇的中心，如果需要随机生成，则传入 nullptr [在设备上] [维度 = n_clusters x n_cols]
cluster_std – [in] 每个簇中心的标准差，如果要从 cluster_std_scalar 读取，则传入 nullptr。[在设备上] [长度 = n_clusters]
cluster_std_scalar – [in] 如果 ‘cluster_std’ 为 nullptr，则将其用作所有维度的标准差。
shuffle – [in] 打乱生成的数据集和标签
center_box_min – [in] 用于选择簇中心的框的最小值。仅当 ‘centers’ 为 nullptr 时有用。
center_box_max – [in] 用于选择簇中心的框的最大值。仅当 ‘centers’ 为 nullptr 时有用。
seed – [in] RNG 的种子
type – [in] RNG 类型

make_regression#

#include <raft/random/make_regression.cuh>

namespace raft::random

template<typename DataT, typename IdxT> void make_regression(raft::resources const &handle, raft::device_matrix_view<DataT, IdxT, raft::row_major> out, raft::device_matrix_view<DataT, IdxT, raft::row_major> values, IdxT n_informative, std::optional<raft::device_matrix_view<DataT, IdxT, raft::row_major>> coef, DataT bias = DataT{}, IdxT effective_rank = static_cast<IdxT>(-1), DataT tail_strength = DataT{0.5}, DataT noise = DataT{}, bool shuffle = true, uint64_t seed = 0ULL, GeneratorType type = GenPC)#

sklearn.datasets.make_regression 的 GPU 等效实现，文档参见：https://scikit-learn.cn/stable/modules/generated/sklearn.datasets.make_regression.html。

模板参数:

DataT – 标量类型
IdxT – 索引类型

参数:

handle – [in] RAFT 句柄
out – [out] 行主序 (样本, 特征) 矩阵，用于存储问题数据
values – [out] 行主序 (样本, 目标) 矩阵，用于存储回归问题的数值
n_informative – [in] 有信息特征的数量（非零系数）
coef – [out] 如果存在，一个行主序 (特征, 目标) 矩阵，用于存储生成回归问题数值所使用的系数
bias – [in] 将添加到数值中的标量
effective_rank – [in] 数据矩阵的近似秩（用于创建数据中的相关性）。-1 表示使用条件良好的数据。
tail_strength – [in] 如果 effective_rank 不是 -1，则奇异值曲线的胖噪声尾部的相对重要性
noise – [in] 应用于输出的高斯噪声的标准差
shuffle – [in] 打乱样本和特征
seed – [in] 随机数生成器的种子
type – [in] 随机生成器类型

R-MAT 生成#

#include <raft/random/rmat_rectangular_generator.cuh>

namespace raft::random

template<typename IdxT, typename ProbT> void rmat_rectangular_gen(raft::resources const &handle, raft::random::RngState &r, raft::device_vector_view<const ProbT, IdxT> theta, raft::device_mdspan<IdxT, raft::extents<IdxT, raft::dynamic_extent, 2>, raft::row_major> out, raft::device_vector_view<IdxT, IdxT> out_src, raft::device_vector_view<IdxT, IdxT> out_dst, IdxT r_scale, IdxT c_scale)#

生成用于矩形邻接矩阵的二分 R-MAT 图。

此函数生成一个由（稀疏）邻接矩阵表示的随机图。如文献 [1] 中所述，为了生成连接，我们将邻接矩阵递归细分为四个大小相等的分区，并以不相等的概率在这些分区内分配边。概率由数字 [a, b, c, d] 描述。我们以概率 a 选择左上分区。选择的分区再次被细分为四个更小的分区，并重复此过程，直到我们达到单个元素（1 x 1 分区）。

我们可以在每次迭代中指定不同的概率分布。theta 数组存储了每个级别的概率值。

[1] “R-MAT: A Recursive Model for Graph Mining” Deepayan Chakrabarti, Yiping Zhan, Christos Faloutsos (2004) https://doi.org/10.1137/1.9781611972740.43

我们将 r_scale != c_scale 的情况称为“矩形邻接矩阵”情况（换句话说，生成二分图）。在这种情况下，当 depth >= r_scale 时，分布假定为

[theta[4 * depth] + theta[4 * depth + 2], theta[4 * depth + 1] + theta[4 * depth + 3]; 0, 0].

然后当 depth >= c_scale 时，分布假定为

[theta[4 * depth] + theta[4 * depth + 1], 0; theta[4 * depth + 2] + theta[4 * depth + 3], 0].

注意

这可能会生成重复的边和自环。调用者有责任相应地清理它们。

注意

这也只生成有向图。如果需要无向图，则预期调用者会执行单独的后处理步骤。

模板参数:

IdxT – 每个节点索引的类型
ProbT – 用于概率分布的数据类型（fp32 或 fp64）

参数:

handle – [in] RAFT 句柄，包含用于调度工作的 CUDA 流
r – [in] 随机生成器的底层状态。当需要多次调用此 API 以生成更大的图时，这尤其有用。在这种情况下，只需使用初始种子创建此对象一次，并在每次调用后继续传递相同的对象进行后续调用。
out – [out] 生成的边列表 [在设备上]，以结构体数组 (array-of-structs) 形式打包。在每一行中，第一个元素是源节点 ID，第二个元素是目标节点 ID。
out_src – [out] 源节点 ID 列表 [在设备上]。
out_dst – [out] 目标节点 ID 列表 [在设备上]。out_src 和 out_dst 一起构成了与 out 相同的输出数据的结构体数组 (struct-of-arrays) 表示。
theta – [in] 数组 [在设备上]，包含每个分辨率级别上每个象限的分布。theta = [a0, b0, c0, d0, a1, b1, c1, d1, …]，其中 [a0, b0, c0, d0] 定义了最精细级别 (2x2) 的概率。数组中的最后四个元素描述了最粗略级别（矩阵大小 = [2^r_scale, 2^c_scale]）的概率。由于这些是概率，每个 RMAT 级别的四个 [a_i, b_i, c_i, d_i] 值必须总和为一。[维度 = max(r_scale, c_scale) x 2 x 2]。
r_scale – [in] 2^r_scale 表示源节点的数量
c_scale – [in] 2^c_scale 表示目标节点的数量

前置条件:

out.extent(0) == 2 *out_src.extent(0)istrue @preout_src.extent(0) == out_dst.extent(0)istrue`

template<typename IdxT, typename ProbT> void rmat_rectangular_gen(raft::resources const &handle, raft::random::RngState &r, raft::device_vector_view<const ProbT, IdxT> theta, raft::device_vector_view<IdxT, IdxT> out_src, raft::device_vector_view<IdxT, IdxT> out_dst, IdxT r_scale, IdxT c_scale)#

rmat_rectangular_gen 的重载，仅生成结构体数组 (struct-of-arrays)（两个向量）输出表示。

此重载仅生成结构体数组 (struct-of-arrays)（两个向量）输出表示：包含源节点 ID 的输出向量 out_src 和包含目标节点 ID 的输出向量 out_dst。

前置条件:: out_src.extent(0) == out_dst.extent(0) 为 true

rmat_rectangular_gen 的重载，仅生成结构体数组 (array-of-structs)（一个向量）输出表示。

此重载仅生成结构体数组 (array-of-structs)（一个向量）输出表示：一个单独的输出向量 out，其中每行的第一个元素是源节点 ID，第二个元素是目标节点 ID。

template<typename IdxT, typename ProbT> void rmat_rectangular_gen(raft::resources const &handle, raft::random::RngState &r, raft::device_mdspan<IdxT, raft::extents<IdxT, raft::dynamic_extent, 2>, raft::row_major> out, raft::device_vector_view<IdxT, IdxT> out_src, raft::device_vector_view<IdxT, IdxT> out_dst, ProbT a, ProbT b, ProbT c, IdxT r_scale, IdxT c_scale)#

rmat_rectangular_gen 的重载，假定所有尺度上具有相同的 a, b, c, d 概率分布，并接受所有三个输出向量（out 采用结构体数组 (array-of-structs) 输出表示，out_src 和 out_dst 采用结构体数组 (struct-of-arrays) 输出表示）。

a, b, andc 有效地取代了上述重载的 theta 参数。

前置条件:: out.extent(0) == 2 *out_src.extent(0)istrue @preout_src.extent(0) == out_dst.extent(0)istrue`

template<typename IdxT, typename ProbT> void rmat_rectangular_gen(raft::resources const &handle, raft::random::RngState &r, raft::device_vector_view<IdxT, IdxT> out_src, raft::device_vector_view<IdxT, IdxT> out_dst, ProbT a, ProbT b, ProbT c, IdxT r_scale, IdxT c_scale)#

rmat_rectangular_gen 的重载，假定所有尺度上具有相同的 a, b, c, d 概率分布，并且只接受两个输出向量（结构体数组 (struct-of-arrays) 输出表示）。

a, b, andc 有效地取代了上述重载的 theta 参数。

前置条件:: out_src.extent(0) == out_dst.extent(0) 为 true

template<typename IdxT, typename ProbT> void rmat_rectangular_gen(raft::resources const &handle, raft::random::RngState &r, raft::device_mdspan<IdxT, raft::extents<IdxT, raft::dynamic_extent, 2>, raft::row_major> out, ProbT a, ProbT b, ProbT c, IdxT r_scale, IdxT c_scale)#

rmat_rectangular_gen 的重载，假定所有尺度上具有相同的 a, b, c, d 概率分布，并且只接受一个输出向量（结构体数组 (array-of-structs) 输出表示）。

a, b, andc 有效地取代了上述重载的 theta 参数。

template<typename IdxT, typename ProbT> void rmat_rectangular_gen(IdxT *out, IdxT *out_src, IdxT *out_dst, const ProbT *theta, IdxT r_scale, IdxT c_scale, IdxT n_edges, cudaStream_t stream, raft::random::RngState &r)#

rmat_rectangular_gen 的遗留重载，接受原始数组而不是 mdspan。

模板参数:

IdxT – 每个节点索引的类型
ProbT – 用于概率分布的数据类型（fp32 或 fp64）

参数:

out – [out] 生成的边列表 [在设备上] [维度 = n_edges x 2]。在每一行中，第一个元素是源节点 ID，第二个元素是目标节点 ID。如果不需要此输出，请传入 nullptr。
out_src – [out] 源节点 ID 列表 [在设备上] [长度 = n_edges]。如果不需要此输出，请传入 nullptr。
out_dst – [输出] 目标节点ID列表 [在设备上] [长度 = n_edges]。如果不需要此输出，则在其位置传递一个 nullptr。
theta – [输入] 在每个分辨率级别上每个象限的分布。由于这些是概率，RMAT 的每个级别对应的 2x2 矩阵之和必须为一。 [在设备上] [维度 = max(r_scale, c_scale) x 2 x 2]。当然，假定每组 2x2 数字的总和都为 1。
r_scale – [in] 2^r_scale 表示源节点的数量
c_scale – [in] 2^c_scale 表示目标节点的数量
n_edges – [输入] 要生成的边的数量
stream – [输入] 用于安排工作的 CUDA 流
r – [in] 随机生成器的底层状态。当需要多次调用此 API 以生成更大的图时，这尤其有用。在这种情况下，只需使用初始种子创建此对象一次，并在每次调用后继续传递相同的对象进行后续调用。

template<typename IdxT, typename ProbT> void rmat_rectangular_gen(IdxT *out, IdxT *out_src, IdxT *out_dst, ProbT a, ProbT b, ProbT c, IdxT r_scale, IdxT c_scale, IdxT n_edges, cudaStream_t stream, raft::random::RngState &r)#: rmat_rectangular_gen 的旧式重载，接受原始数组而非 mdspan。此重载假定在所有尺度上使用相同的 a, b, c, d 概率分布。

数据生成#

make_blobs#

make_regression#

R-MAT 生成#

本页