NVIDIA RAPIDS 25.08重磅发布：cuML性能分析工具上线，Polars GPU引擎全面升级，新增多项算法支持

NVIDIA RAPIDS 25.08 版本正式发布，进一步推动加速数据科学的可访问性与可扩展性，带来多项关键更新。新版本引入了针对 cuML 的全新性能分析工具，增强了 Polars GPU 引擎处理大规模数据的能力，并新增多个机器学习算法支持，同时宣布停止对 CUDA 11 的支持。 新版本为 cuML 的零代码加速模块（cuml.accel）增加了两种性能分析工具：函数级和行级分析器。函数级分析器可显示代码中各函数在 GPU 或 CPU 上的执行情况及耗时，适用于 Jupyter Notebook 中通过 %%cuml.accel.profile 魔法命令或命令行使用 --profile 标志进行分析。行级分析器则提供更细粒度的逐行执行追踪，支持 %%cuml.accel.line_profile 和 --line-profile 命令，帮助用户精准定位性能瓶颈，提升调试效率。 在 Polars GPU 引擎方面，25.08 版本将“流式执行器”设为默认模式。该模式通过数据分块处理，使模型可处理远超 GPU 显存容量的数据集，显著提升大规模数据处理的性能与可扩展性。对于超出显存的数据，流式执行器仍可自动回退至内存执行，且已支持几乎所有原生 GPU 内存操作。实测显示，在 300GB 超显存数据集上，流式执行效率比传统内存模式快近 5 倍。 此外，Polars GPU 引擎现已支持结构体（struct）列操作和更丰富的字符串处理函数，所有相关操作均在 GPU 上完成，避免了此前因数据类型不兼容导致的 CPU 回退问题，大幅优化了复杂数据处理性能。 在 cuML 机器学习库方面，新增 Spectral Embedding 算法，用于高维数据降维与流形学习，API 与 scikit-learn 保持一致。同时，LinearSVC、LinearSVR 和 KernelRidge 等算法也已加入零代码加速支持，覆盖全部支持向量机类算法，进一步丰富了 cuML 的加速生态。 值得注意的是，25.08 版本正式停止对 CUDA 11 的支持，所有容器、发布包及源码构建均需升级至 CUDA 12 或更高版本。如需继续使用 CUDA 11，可回退至 RAPIDS 25.06 版本。 总体而言，RAPIDS 25.08 通过性能分析工具、流式执行优化、数据类型扩展和算法新增，显著提升了数据科学工作流的效率与灵活性，进一步推动 GPU 加速在主流数据处理与机器学习中的落地应用。开发者可通过官方文档、GitHub 反馈或加入 RAPIDS Slack 社区获取支持，新手还可通过免费课程快速入门。