NVIDIA：Accelerated Graph Analytics with NetworkX
NVIDIA Developer 官方頻道 Accelerated Data Science Series。示範如何在不改分析程式的前提下，用 nx-cugraph 把 NetworkX 演算法丟到 NVIDIA GPU。這是原廠教學，不是轉載。
這支影片在講什麼
- NetworkX 預設實作好寫、但大圖慢；RAPIDS cuGraph 提供 GPU 上的圖演算法。
- 從 NetworkX 3.0 的 backend 機制接上 nx-cugraph：使用者繼續
import networkx as nx。 - 開啟方式：安裝對應 CUDA 版本的套件，設
NX_CUGRAPH_AUTOCONFIG=True（或同等設定），再跑原本的betweenness_centrality、pagerank等。 - 用實際計時對照 CPU 與 GPU（官方文件裡的專利引用圖例子，betweenness 可從數分鐘降到數秒級，硬體不同數字會變）。
- 哪些演算法已加速、什麼情況不值得開 GPU（資料搬運成本）。
若你想看「GPU 圖分析」更廣的背景（cuGraph 本身、多 GPU），SciPy 2022 有 Brad Rees 的 cuGraph 演講。與 NetworkX API 的銜以本支與 PyCon 2024 較直接。
適合誰看
- 已有 NVIDIA GPU，圖規模大到純 Python 是瓶頸。
- 看完 PyCon 2024 之後，想看原廠安裝與設定畫面。
沒有 GPU 時，這支當知識即可，日常仍用 CPU 版 NetworkX。