标签

• scipy 85
• Python 83
• 编程 85
• dask 71
• pangeo 1
• HPC 3
• 分布式 5
• jobqueue 1
• GPU 8
• 数组 2
• cupy 1
• Pandas 1
• dataframe 8
• 发布 3
• MPI 1
• RAPIDS 3
• Dask 1
• Dask-GLM 1
• CuPy 2
• 稀疏 1
• numba 1
• python 3
• scikit-image 1
• dask-image 1
• IO 3
• 用户调查 4
• 图像处理 5
• 机器学习 2
• dask-ml 2
• SciPy 1
• 社区 3
• 演讲 1
• 配置 1
• ray 1
• 教程 1
• Helm 2
• Dask Gateway 1
• 部署 1
• 内存 1
• 性能分析 1
• 内存 1
• 深度学习 1
• PyTorch 1
• 生命科学 5
• skan 1
• 骨架分析 1
• Dask 峰会 2
• 分布式 1
• 工具 1
• 组织 1
• 澳大利亚 1
• 地球科学 1
• 性能 2
• 图像分析 1
• Kubernetes 2
• 部署 2
• kubernetes 1
• dask-kubernetes 1
• 集群 1
• Flyte 1
• p2p 1
• 数据混洗 1
• 生态系统 1
• pydata 1
• 查询优化器 2
• dask array 1
• xarray 1

scipy

• 使用 Dask Array 加载大型图像数据
• Python 和 GPU：最新状态
• Dask 在 HPC 上
• 使用 UCX 和 DGX 进行高性能网络实验
• Dask 版本 1.0
• 重构文档
• Dask 开发日志
• Dask 发布 0.19.0
• Pandas, Dask, Spark 和 Arrow 的高级性能
• 为 Dask 数组构建 SAGA 优化
• Dask 开发日志
• Pickle 不慢，它是一个协议
• Dask 开发日志，Scipy 2018
• 谁使用 Dask？
• Dask 开发日志
• Dask 扩展限制
• Dask 发布 0.18.0
• Python 中超越 Numpy 数组
• Dask 发布 0.17.2
• 编写最小的错误报告
• Dask 发布 0.17.0
• Pangeo：云上的 JupyterHub, Dask 和 XArray
• Dask 开发日志
• Dask 发布 0.16.0
• 优化 Python 中的数据结构访问
• 流式 Dataframe
• Python 中关于 Kafka 的注意事项
• Dask 发布 0.15.3
• Python 中的快速地理空间分析
• Dask 在 HPC 上 - 初步工作
• Dask 发布 0.15.2
• Scikit-Image 和 Dask 性能
• Dask 基准测试
• 使用 Apache Parquet
• Dask 发布 0.15.0
• Dask 发布 0.14.3
• Dask 开发日志
• 使用 Dask 的异步优化算法
• Dask、Pandas 和 XGBoost
• Dask 发布 0.14.1
• 在 Dask 中开发凸优化算法
• Dask 发布 0.14.0
• Dask 开发日志
• 使用 Dask 和 TensorFlow 进行实验
• 使用 Scikit Learn 和 Dask 的两种简单方法
• Dask 开发日志
• 使用 Dask 在集群上实现自定义并行算法
• Dask 开发日志
• 使用 Dask Arrays 在集群上实现分布式 NumPy
• 使用 Dask DataFrames 在集群上实现分布式 Pandas
• Dask 发布 0.13.0
• Dask 开发日志
• Dask 开发日志
• Dask 开发日志
• Dask 开发日志
• Dask 集群部署
• Dask 和 Celery
• Dask Distributed 发布 1.13.0
• 面向机构的 Dask
• 即席分布式随机森林
• 快速消息序列化
• 分布式 Dask Arrays
• 使用 Dask Dataframes 在 HDFS 上运行 Pandas
• 介绍 Dask distributed
• 分布式原型
• 缓存
• 自定义并行工作流
• 编写复杂的并行算法
• 分布式调度
• Dask 的现状
• 走向外存 DataFrames
• 走向外存 ND-Arrays -- Dask + Toolz = Bag
• 走向外存 ND-Arrays -- 切片和堆叠
• 走向外存 ND-Arrays -- 溢出到磁盘
• 走向外存 ND-Arrays -- 基准测试 MatMul
• 走向外存 ND-Arrays -- 多核调度
• 走向外存 ND-Arrays -- 前端
• 走向外存 ND-Arrays

Python

• 使用 Flyte 管理 Dask 工作负载
• Dask 在 HPC 上
• Dask 版本 1.0
• 重构文档
• Dask 开发日志
• Dask 发布 0.19.0
• Pandas, Dask, Spark 和 Arrow 的高级性能
• 为 Dask 数组构建 SAGA 优化
• Dask 开发日志
• Pickle 不慢，它是一个协议
• Dask 开发日志，Scipy 2018
• 谁使用 Dask？
• Dask 开发日志
• Dask 扩展限制
• Dask 发布 0.18.0
• Python 中超越 Numpy 数组
• Dask 发布 0.17.2
• 编写最小的错误报告
• Dask 发布 0.17.0
• 使用 Dask 进行信用建模
• Pangeo：云上的 JupyterHub, Dask 和 XArray
• Dask 开发日志
• Dask 发布 0.16.0
• 优化 Python 中的数据结构访问
• 流式 Dataframe
• Python 中关于 Kafka 的注意事项
• Dask 发布 0.15.3
• Python 中的快速地理空间分析
• Dask 在 HPC 上 - 初步工作
• Dask 发布 0.15.2
• Scikit-Image 和 Dask 性能
• Dask 基准测试
• 使用 Apache Parquet
• Dask 发布 0.15.0
• Dask 发布 0.14.3
• Dask 开发日志
• 使用 Dask 的异步优化算法
• Dask、Pandas 和 XGBoost
• Dask 发布 0.14.1
• 在 Dask 中开发凸优化算法
• Dask 发布 0.14.0
• Dask 开发日志
• 使用 Dask 和 TensorFlow 进行实验
• 使用 Scikit Learn 和 Dask 的两种简单方法
• Dask 开发日志
• 使用 Dask 在集群上实现自定义并行算法
• Dask 开发日志
• 使用 Dask Arrays 在集群上实现分布式 NumPy
• 使用 Dask DataFrames 在集群上实现分布式 Pandas
• Dask 发布 0.13.0
• Dask 开发日志
• Dask 开发日志
• Dask 开发日志
• Dask 开发日志
• Dask 集群部署
• Dask 和 Celery
• Dask Distributed 发布 1.13.0
• 面向机构的 Dask
• 即席分布式随机森林
• 快速消息序列化
• 分布式 Dask Arrays
• 使用 Dask Dataframes 在 HDFS 上运行 Pandas
• 介绍 Dask distributed
• 分布式原型
• 缓存
• 自定义并行工作流
• 编写复杂的并行算法
• 分布式调度
• 走向外存 DataFrames
• 走向外存 ND-Arrays -- Dask + Toolz = Bag
• 走向外存 ND-Arrays -- 切片和堆叠
• 走向外存 ND-Arrays -- 溢出到磁盘
• 走向外存 ND-Arrays -- 基准测试 MatMul
• 走向外存 ND-Arrays -- 多核调度
• 走向外存 ND-Arrays -- 前端
• 走向外存 ND-Arrays

编程

• Dask 在 HPC 上
• Dask 版本 1.0
• 重构文档
• Dask 开发日志
• Dask 发布 0.19.0
• Pandas, Dask, Spark 和 Arrow 的高级性能
• 为 Dask 数组构建 SAGA 优化
• Dask 开发日志
• Pickle 不慢，它是一个协议
• Dask 开发日志，Scipy 2018
• 谁使用 Dask？
• Dask 开发日志
• Dask 扩展限制
• Dask 发布 0.18.0
• Python 中超越 Numpy 数组
• Dask 发布 0.17.2
• 编写最小的错误报告
• Dask 发布 0.17.0
• 使用 Dask 进行信用建模
• Pangeo：云上的 JupyterHub, Dask 和 XArray
• Dask 开发日志
• Dask 发布 0.16.0
• 优化 Python 中的数据结构访问
• 流式 Dataframe
• Python 中关于 Kafka 的注意事项
• Dask 发布 0.15.3
• Python 中的快速地理空间分析
• Dask 在 HPC 上 - 初步工作
• Dask 发布 0.15.2
• Scikit-Image 和 Dask 性能
• Dask 基准测试
• 使用 Apache Parquet
• Dask 发布 0.15.0
• Dask 发布 0.14.3
• Dask 开发日志
• 使用 Dask 的异步优化算法
• Dask、Pandas 和 XGBoost
• Dask 发布 0.14.1
• 在 Dask 中开发凸优化算法
• Dask 发布 0.14.0
• Dask 开发日志
• 使用 Dask 和 TensorFlow 进行实验
• 使用 Scikit Learn 和 Dask 的两种简单方法
• Dask 开发日志
• 使用 Dask 在集群上实现自定义并行算法
• Dask 开发日志
• 使用 Dask Arrays 在集群上实现分布式 NumPy
• 使用 Dask DataFrames 在集群上实现分布式 Pandas
• Dask 发布 0.13.0
• Dask 开发日志
• Dask 开发日志
• Dask 开发日志
• Dask 开发日志
• Dask 集群部署
• Dask 和 Celery
• Dask Distributed 发布 1.13.0
• 面向机构的 Dask
• Dask 和 Scikit-Learn -- 模型并行性
• 即席分布式随机森林
• 快速消息序列化
• 分布式 Dask Arrays
• 使用 Dask Dataframes 在 HDFS 上运行 Pandas
• 介绍 Dask distributed
• Dask 满一周年了
• 分布式原型
• 缓存
• 自定义并行工作流
• 编写复杂的并行算法
• 分布式调度
• Dask 的现状
• 走向外存 DataFrames
• 走向外存 ND-Arrays -- Dask + Toolz = Bag
• 走向外存 ND-Arrays -- 切片和堆叠
• 走向外存 ND-Arrays -- 溢出到磁盘
• 走向外存 ND-Arrays -- 基准测试 MatMul
• 走向外存 ND-Arrays -- 多核调度
• 走向外存 ND-Arrays -- 前端
• 走向外存 ND-Arrays

dask

• Dask DataFrame 现在很快
• Dask 中的高级查询优化
• Dask 中的上游测试
• 在 Dask 中以恒定内存洗牌大型数据
• 使用 Flyte 管理 Dask 工作负载
• 使用 dask-memusage 测量 Dask 内存使用情况
• 比较 Dask-ML 和 Ray Tune 的模型选择算法
• DataFrame Groupby 聚合
• Dask 在 HPC 上
• 将 Dask Array 与 Numba Stencils 组合
• cuML 和 Dask 超参数优化
• Dask DataFrame 中的扩展数组
• Dask 版本 1.0
• 重构文档
• Dask 开发日志
• Dask 发布 0.19.0
• Pandas, Dask, Spark 和 Arrow 的高级性能
• 为 Dask 数组构建 SAGA 优化
• Dask 开发日志
• Pickle 不慢，它是一个协议
• Dask 开发日志，Scipy 2018
• 谁使用 Dask？
• Dask 开发日志
• Dask 扩展限制
• Dask 发布 0.18.0
• Python 中超越 Numpy 数组
• Dask 发布 0.17.2
• Dask 发布 0.17.0
• Pangeo：云上的 JupyterHub, Dask 和 XArray
• Dask 开发日志
• Dask 发布 0.16.0
• 优化 Python 中的数据结构访问
• 流式 Dataframe
• Python 中关于 Kafka 的注意事项
• Dask 发布 0.15.3
• Python 中的快速地理空间分析
• Dask 在 HPC 上 - 初步工作
• Dask 发布 0.15.2
• Scikit-Image 和 Dask 性能
• Dask 基准测试
• 使用 Apache Parquet
• Dask 发布 0.15.0
• Dask 发布 0.14.3
• Dask 发布 0.14.1
• Dask Distributed 发布 1.13.0
• 面向机构的 Dask
• Dask 和 Scikit-Learn -- 模型并行性
• 即席分布式随机森林
• 快速消息序列化
• 分布式 Dask Arrays
• 使用 Dask Dataframes 在 HDFS 上运行 Pandas
• 介绍 Dask distributed
• Dask 满一周年了
• 分布式原型
• 缓存
• 自定义并行工作流
• 编写复杂的并行算法
• 分布式调度
• Dask 的现状
• 走向外存 DataFrames
• 走向外存 ND-Arrays -- Dask + Toolz = Bag
• 走向外存 ND-Arrays -- 切片和堆叠
• 走向外存 ND-Arrays -- 溢出到磁盘
• 走向外存 ND-Arrays -- 基准测试 MatMul
• 走向外存 ND-Arrays -- 多核调度
• 走向外存 ND-Arrays -- 前端
• 走向外存 ND-Arrays

pangeo

• Dask 在 HPC 上 - 初步工作

HPC

• 共同定位 Jupyter Server 和 Dask Scheduler
• Dask 在 HPC 上：案例研究
• Dask-jobqueue

分布式

• 在 Dask 中以恒定内存洗牌大型数据
• 跨数据中心分布的 Dask 集群上的数据近距离计算
• 使用 dask-memusage 测量 Dask 内存使用情况
• 配置分布式 Dask 集群
• Dask-jobqueue

jobqueue

• Dask-jobqueue

GPU

• 轻松实现 CPU/GPU 数组和 Dataframe
• 大型 SVD
• cuML 和 Dask 超参数优化
• 为 Dask 构建 GPU Groupby 聚合
• 单节点多 GPU Dataframe 连接
• Dask, Pandas 和 GPU：第一步
• GPU Dask Arrays，第一步

数组

• 大型 SVD
• GPU Dask Arrays，第一步

cupy

• GPU Dask Arrays，第一步

Pandas

• Dask, Pandas 和 GPU：第一步

dataframe

• Dask DataFrame 现在很快
• 客户端、调度器和工作节点之间需要一致的环境吗？
• 深入探讨使用 from_map 创建 Dask DataFrame Collection
• 理解 Dask 的 meta 关键字参数
• DataFrame Groupby 聚合
• 为 Dask 构建 GPU Groupby 聚合
• 单节点多 GPU Dataframe 连接
• Dask DataFrame 中的扩展数组

发布

• Dask 发布 2.2.0
• Dask 发布 2.0
• Dask 发布 1.1.0

MPI

• 同时运行 Dask 和 MPI 程序

RAPIDS

• cuML 和 Dask 超参数优化
• 为 Dask 构建 GPU Groupby 聚合

Dask

• Dask 和 __array_function__ 协议

Dask-GLM

• Dask 和 __array_function__ 协议

CuPy

• 大型 SVD
• Dask 和 __array_function__ 协议

稀疏

• Dask 和 __array_function__ 协议

numba

• 将 Dask Array 与 Numba Stencils 组合

python

• 使用 Dask Array 加载大型图像数据
• Python 和 GPU：最新状态
• 使用 UCX 和 DGX 进行高性能网络实验

scikit-image

• 使用 Dask Array 加载大型图像数据

dask-image

• 使用 Dask Array 加载大型图像数据

IO

• 客户端、调度器和工作节点之间需要一致的环境吗？
• 深入探讨使用 from_map 创建 Dask DataFrame Collection
• 从 Dask 中提取 fsspec

用户调查

• 2021 年 Dask 用户调查
• 2021 年 Dask 用户调查现已发布
• 2020 年 Dask 用户调查
• 2019 年 Dask 用户调查

图像处理

• 骨架分析
• 将 Dask 与 PyTorch 结合进行大规模图像分析
• 使用 Dask 进行图像分割
• 了解生命科学社区
• 将 Dask 与 ITK 结合进行大规模图像分析

机器学习

• 比较 Dask-ML 和 Ray Tune 的模型选择算法
• 使用 Dask 实现更好更快的超参数优化

dask-ml

• 比较 Dask-ML 和 Ray Tune 的模型选择算法
• 使用 Dask 实现更好更快的超参数优化

SciPy

• 去年回顾

社区

• 2022 年 11 月 Dask 演示日
• 运行教程
• 去年回顾

演讲

• 去年回顾

配置

• 配置分布式 Dask 集群

ray

• 比较 Dask-ML 和 Ray Tune 的模型选择算法

教程

• 运行教程

Helm

• 如何使用 Dask Helm Chart 运行不同类型的工作节点
• 发布 DaskHub Helm Chart

Dask Gateway

• 发布 DaskHub Helm Chart

部署

• 发布 DaskHub Helm Chart

内存

• 使用 dask-memusage 测量 Dask 内存使用情况

性能分析

• 使用 dask-memusage 测量 Dask 内存使用情况

内存

• 使用 dask-memusage 测量 Dask 内存使用情况

深度学习

• 将 Dask 与 PyTorch 结合进行大规模图像分析

PyTorch

• 将 Dask 与 PyTorch 结合进行大规模图像分析

生命科学

• 回顾作为 Dask 生命科学研究员的一年
• 图像拼接融合
• CZI EOSS 更新
• 2021 年 Dask 峰会上的生命科学
• 骨架分析

skan

• 骨架分析

骨架分析

• 骨架分析

Dask 峰会

• 大洋洲 Dask
• 2021 年 Dask 峰会上的生命科学

分布式

• Dask Distributed 用户的演变

工具

• Dask Distributed 用户的演变

组织

• Dask Distributed 用户的演变

澳大利亚

• 大洋洲 Dask

地球科学

• 大洋洲 Dask

性能

• Dask 中的高级查询优化
• 在 Dask 中选择合适的块大小

图像分析

• 图像拼接融合

Kubernetes

• 使用 Flyte 管理 Dask 工作负载
• 如何使用 Dask Helm Chart 运行不同类型的工作节点

部署

• Dask Kubernetes Operator
• 跨数据中心分布的 Dask 集群上的数据近距离计算

kubernetes

• Dask Kubernetes Operator

dask-kubernetes

• Dask Kubernetes Operator

集群

• Dask Kubernetes Operator

Flyte

• 使用 Flyte 管理 Dask 工作负载

p2p

• 在 Dask 中以恒定内存洗牌大型数据

数据混洗

• 在 Dask 中以恒定内存洗牌大型数据

生态系统

• Dask 中的上游测试

pydata

• Dask 中的上游测试

查询优化器

• Dask DataFrame 现在很快
• Dask 中的高级查询优化

dask array

• 使用 Dask 和 Xarray 改进 GroupBy.map

xarray

• 使用 Dask 和 Xarray 改进 GroupBy.map