インストール方法
FrovedisのGitHubリポジトリ では，CentOS 7および8用のRPMパッケージが提供されているので， これらを使用すると簡単にインストールできます． 以下では，CentOS 7を仮定して説明します．
まず，Vector EngineのランタイムとNEC MPIがインストールされていることを確認します． この記事で用いるFrovedis 1.1.1の場合は，NEC MPI 2.20.0以上が必要です． また，EPELリポジトリとPython 3がインストールされていなければ，インストールします．
$ sudo yum install -y epel-release && sudo yum update -y
$ sudo yum install -y python3
GitHubからFrovedis 1.1.1のRPMパッケージをダウンロードし，インストールします．
$ sudo yum install -y https://github.com/frovedis/frovedis/releases/download/v1.1.1/frovedis-1.1.1-1.el7.x86_64.rpm
FrovedisのPythonインターフェースが依存するパッケージをインストールします． scikit-learnは必須ではありませんが，Frovedisがscikit-learn互換の インターフェースを提供している以上，インストールしておくと便利です． 必要に応じてvirtualenv上にインストールしてください．
$ pip3 install --user scipy pandas scikit-learn
Pythonインターフェースの使用
まず，Frovedisに付属するシェルスクリプトを読み込み，Frovedisを使用するための環境変数を設定します．
$ source /opt/nec/frovedis/ve/bin/veenv.sh
Pythonインタプリタを起動します．
$ python3
まず，Frovedis Serverを起動します．Frovedis ServerはVector Engine上で動作し， 実際の計算処理を担うプログラムです．Frovedis ServerはMPI並列化されており， 複数VEに渡って動作させることも可能ですが，ここでは，1VE 8プロセスで起動します．
import os
from frovedis.exrpc.server import FrovedisServer
FrovedisServer.initialize("mpirun -np 8 {}".format(os.environ['FROVEDIS_SERVER']))
CPU上でテストデータを生成します．ここでは，100次元の特徴量を持つデータ点を 10万点生成します．
from sklearn.datasets import make_classification
X, y = make_classification(n_samples=100000, n_features=100)
ここでは，
ロジスティック回帰を行うクラス frovedis.mllib.linear_model.LogisticRegression
を用いて，データを分類してみます．このクラスは，scikit-learnの同名のクラスと同じインターフェースを持っています．
なお，他に実装されているアルゴリズムは，ここに列挙されています．
from frovedis.mllib.linear_model import LogisticRegression
lr = LogisticRegression()
lr.fit(X, y)
下記を実行すると，回帰係数が表示されます．
lr.coef_
Pythonインタプリタを終了する前に，Frovedis Serverを終了します．
FrovedisServer.shut_down()