cuML DBSCAN使用Numba设备数组运行慢于CPU版scikit-learn如何优化？

• 输入参数传递错误：代码中已通过nb.cuda.to_device(ps)将数据拷贝到GPU显存得到变量pp，但后续fit_predict接口传入的仍是原内存中的ps数组，导致运行过程中频繁发生CPU与GPU之间的数据拷贝，产生大量额外开销，这是速度变慢的核心原因之一。
• 数据类型精度冗余：cuML的算子针对float32做了大量硬件适配优化，你当前使用的float64类型数据会强制调用计算效率更低的双精度算子，且2维坐标场景下float32的精度完全可以满足DBSCAN的计算需求，不必要的双精度会拖慢计算速度。
• DBSCAN参数适配问题：当前设置的min_samples=100、eps=0.8组合会大幅增加邻域搜索的计算量，cuML的DBSCAN实现针对高密高维场景优化更明显，低维小邻域场景下如果存在数据传输开销的话，很容易出现性能不如CPU优化版本的情况。
• 显存未占满的根因：由于大部分运行时间消耗在数据传输环节，而非实际的GPU并行计算，因此不会出现显存占满的情况，属于典型的访存瓶颈问题。

• 修正输入数据传递：调用fit_predict时传入已经拷贝到GPU的pp变量，避免重复数据传输，修正后代码如下：

pp = nb.cuda.to_device(ps) # ps is a (15636915,2) cupy array
with cuml.using_output_type('input'):
    db_gpu = cumlDBSCAN(eps=0.8, min_samples=100,verbose=5).fit_predict(pp,out_dtype='int64')

• 降低数据精度：将输入数据转换为float32类型，在不损失聚类效果的前提下大幅提升计算效率，转换代码为ps = ps.astype('float32')。
• 调整执行参数：如果业务场景允许，可以适当调大eps或减小min_samples降低邻域搜索复杂度；也可以开启cuML DBSCAN的max_mbytes_per_batch参数，根据你的GPU显存大小调整批处理规模，充分利用GPU并行能力。
• 检查环境适配：确认你的Rapids版本与CUDA版本匹配，GPU硬件的算力不低于7.0（V100及以上架构），低算力硬件会限制cuML算子的优化效果。

内容的提问来源于stack exchange，提问作者Hu.Xuechun