Nvidia offentliggjorde idag en ny programvare som fungerer som en plattform for GPU-akselerering som kan brukes i forbindelse med maskinlæring, big data og og dataforskning. Grafikkortgiganten har kalt progamvaren for RAPIDS.
50 ganger raskere prosessering av big data
Nvidia skriver at de har gjennomført benchmark-tester ved hjelp av XGBoost. Denne viser at prosesseringen av data går 50 ganger raskere med et GPU-akselerert system enn hva tilfellet er med systemer som kun er utstyrt med prosessorer. Dette gjør at dataforskere kan redusere treningstiden i simulasjonene deres fra dager til timer, eller fra timer til minutter.
RAPIDS tilbyr en pakke med åpen kildekode-biblioteker for GPU-akselerert analyse, maskinlæring, og snart også datavisualisering. Nvidia har jobbet på prosjektet de siste to årene i tett samarbeid med store aktører innen open-source-miljøet.
For første gang noen sinne, gjør RAPIDS det mulig å utføre en hel arbeidsrekke knyttet til dataforskning ved hjelp av GPU-er.
Annonse
Bygger på populære open-source-prosjekter
RAPIDS bygger på populære prosjekter innen åpen kildekode – inkludert Apache Arrow og pandas. Dette gjør de ved å legge GPU-akselerering til i Pythons mest populære dataforskningsverktøy. Nvidia samarbeider også med andre prosjekter som Anaconda, BlazingDB, Databricks, Quansight og scikit-learn. I tillegg samarbeider selskapet med Wes McKinney, sjef i Ursa Labs og skaperen av Apache Arrow og pandas – Pythons raskest voksende dataforskningsbibliotek.
Nvidia integrerer RAPIDS i Apache Spark, et open-source-rammeverk brukt til dataforskning, for å legge til rette for bred utnyttelse av sin programvare.
Tilgang til RAPIDS åpen kildekode-biblioteker er tilgjengelig på rapids.ai, og kildekoden er lisensiert under Apache 2.0.
Annonse
