|
Nvidia发布名为RAPIDS的机器学习平台，其包含的软件函数库可以让数据科学家方便的使用GPU的计算能力，执行端到端的数据科学以及分析工作，RAPIDS使用CUDA进行低阶计算最佳化，并提供Python界面方便数据科学家使用GPU的高性能计算能力。
RAPIDS的目的是要提供企业高性能计算能力，以解决需要处理大量数据的高度复杂问题，如信用卡盗刷、预测库存或是了解消费者的购买行为。Nvidia创始人黄仁勋提到，现今企业越来越依赖数据驱动，而数据分析以及机器学习现正是高性能计算的热门领域。 开源的RAPIDS是一套基于GPU分析的CUDA加速函数库，可用来执行机器学习以及数据视觉化，目前现阶段提供了五个热门机器学习函数库，并加上了GPU加速，如此便能更快的迭代并最佳化人工智能训练，以获得更好的模型准确度。 RAPIDS是Nvidia和开源社区花费两年共同打造的平台，Nvidia表示，这是第一次为数据科学家提供在GPU上执行数据科学工作所需要的完整工具。该平台使用XGBoost机器学习算法，在Nvidia DGX-2TM系统上进行训练，其实验结果显示，与仅使用CPU的系统相比，速度提升了50倍。这将能让模型训练时间从数天缩短到数小时，数小时下降至数分钟。 RAPIDS建立在热门的开源项目上，包括了Apache Arrow、Pandas和Scikit-learn，并在Python数据科学工具链中加入了GPU加速。而且为了增加RAPIDS的功能，黄仁勋提到，Nvidia有多个相关项目正在进行，正与Anaconda、BlazingDB、Databricks、Quansight和Scikit-learn等开源生态贡献者合作。 Apache Spark技术团队所创立的企业Databricks创始人Matei Zaharia表示，他们对RAPIDS能够加速Apache Spark工作负载感兴趣，现在正进行多个计划，以便整合Spark与原生加速器，其中包括对Apache Arrow的支持。Databricks认为，RAPIDS将能扩展企业在数据科学以及人工智能方面的工作负载。 RAPIDS获得一系列大型科技公司的支持，其中包括甲骨文透过Nvidia Cloud在Oracle Cloud Infrastructure上支持RAPIDS，并且也将在Oracle Data Science Cloud中支持。而IBM也宣布将在企业机房、公有云、混合云和多云环境中，透过IBM Cloud、PowerAI和IBM Watson Studio支持RAPIDS。Nvidia还提到，惠普、思科、戴尔和联想也都将在自家系统支持RAPIDS。
| 
发表于 2019-3-16 11:21:48
