NVIDIA推出RAPIDS開源GPU加速平臺

HPE、IBM、Oracle、開源社區(qū)、創(chuàng)業(yè)公司采用RAPIDS，顯著提升端到端預(yù)測數(shù)據(jù)分析能力。

NVIDIA今日發(fā)布了一款針對數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的GPU加速平臺，該平臺已為多個行業(yè)領(lǐng)先者所采用，并能幫助超大規(guī)模公司以前所未有的速度分析海量數(shù)據(jù)并進(jìn)行精準(zhǔn)的業(yè)務(wù)預(yù)測。

RAPIDS? 開源軟件幫助數(shù)據(jù)科學(xué)家顯著地提高了工作績效，對于這些數(shù)據(jù)科學(xué)家來說，種種業(yè)務(wù)挑戰(zhàn)應(yīng)接不暇，其中包括預(yù)估信用卡詐騙、預(yù)測零售存貨及理解顧客購買行為等等。眾多公司——無論是Databricks和Anaconda等開源社區(qū)先驅(qū)還是Hewlett Packard Enterprise、IBM和Oracle等技術(shù)領(lǐng)袖——在GPU對數(shù)據(jù)分析的重要性方面日益達(dá)成共識，并對RAPIDS表現(xiàn)出越來越多的支持。

據(jù)分析師估計，面向數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的服務(wù)器市場每年價值約為200億美元，加上科學(xué)分析和深度學(xué)習(xí)市場，高性能計算市場總價值大約為360億美元。

“數(shù)據(jù)分析和機器學(xué)習(xí)是高性能計算市場中最大的細(xì)分市場，不過目前尚未實現(xiàn)加速，”NVIDIA創(chuàng)始人兼首席執(zhí)行官黃仁勛在GPU技術(shù)大會主旨演講中發(fā)布RAPIDS時表示，“全球最大的行業(yè)均在海量服務(wù)器上運行機器學(xué)習(xí)算法，目的在于了解所在市場和環(huán)境中的復(fù)雜模式，同時迅速、精準(zhǔn)地做出將直接影響其基礎(chǔ)的預(yù)測 。”

黃仁勛表示，“得益于CUDA及其全球生態(tài)系統(tǒng)以及與開源社區(qū)緊密合作，我們已創(chuàng)建了RAPIDS GPU加速平臺。該平臺已與全球最流行的數(shù)據(jù)科學(xué)庫及工作流無縫整合，可加速機器學(xué)習(xí)。如同深度學(xué)習(xí)一樣，我們正在不斷地為機器學(xué)習(xí)提速?！?/p>

RAPIDS已為GPU加速分析和機器學(xué)習(xí)提供了一整套開源庫，數(shù)據(jù)可視化即將是下一個目標(biāo)。RAPIDS由NVIDIA工程師與主要的開源貢獻(xiàn)者在過去兩年的合作成果。

RAPIDS第一次為數(shù)據(jù)科學(xué)家提供了他們需要用來在GPU上運行整個數(shù)據(jù)科學(xué)管線的工具。最初的RAPIDS基準(zhǔn)分析利用了XGBoost機器學(xué)習(xí)算法在NVIDIA DGX-2? 系統(tǒng)上進(jìn)行訓(xùn)練，結(jié)果表明，與僅有CPU的系統(tǒng)相比，其速度能加快50倍。這可幫助數(shù)據(jù)科學(xué)家將典型訓(xùn)練時間從數(shù)天減少到數(shù)小時，或者從數(shù)小時減少到數(shù)分鐘，具體取決于其數(shù)據(jù)集的規(guī)模。

與開源社區(qū)開展緊密合作

RAPIDS構(gòu)建于Apache Arrow、pandas和scikit-learn等流行的開源項目之上，為最流行的Python數(shù)據(jù)科學(xué)工具鏈帶來了GPU提速。為了將更多的機器學(xué)習(xí)庫和功能引入RAPIDS，NVIDIA廣泛地與開源生態(tài)系統(tǒng)貢獻(xiàn)者展開合作 ，其中包括Anaconda、BlazingDB、Databricks、Quansight、scikit-learn、Ursa Labs 負(fù)責(zé)人兼Apache Arrow締造者Wes McKinney以及迅速增長的Python數(shù)據(jù)科學(xué)庫pandas等等。

McKinney表示，“作為GPU加速的數(shù)據(jù)科學(xué)平臺，RAPIDS是由Apache Arrow驅(qū)動的新一代的計算生態(tài)系統(tǒng)。NVIDIA與Ursa Labs的合作將加速Arrow核心數(shù)據(jù)庫的創(chuàng)新步伐，并有助于大幅提升分析及特征工程的績效。”

為了推動RAPIDS的廣泛應(yīng)用，NVIDIA正努力將RAPIDS與Apache Spark進(jìn)行整合，后者是分析及數(shù)據(jù)科學(xué)方面領(lǐng)先的開源框架。

Databricks聯(lián)合創(chuàng)始人、首席技術(shù)官兼Apache Spark 創(chuàng)始人Matei Zaharia表示，“在Databricks公司中，我們對RAPIDS在加速Apache Spark工作量方面的潛力感到非常興奮。我們目前開展的多個項目都意在將Spark更好地與本地加速器進(jìn)行整合，其中包括借助Project Hydrogen實現(xiàn)的Apache Arrow的支持以及GPU調(diào)度。我們相信，就擴大我們客戶數(shù)據(jù)科學(xué)及AI工作量來說，RAPIDS將是全新的、振奮人心的機會?！?/p>

廣泛的生態(tài)系統(tǒng)支持及應(yīng)用

各個行業(yè)技術(shù)領(lǐng)先的企業(yè)均是NVIDIA GPU加速平臺及RAPIDS的率先應(yīng)用者。

沃爾瑪執(zhí)行副總裁兼首席技術(shù)官Jeremy King表示，“NVIDIA的GPU加速平臺及RAPIDS軟件極大改進(jìn)了我們使用數(shù)據(jù)的方式，幫助我們實現(xiàn)了復(fù)雜模式大規(guī)模地運行，同時進(jìn)行更加精準(zhǔn)的預(yù)測。RAPIDS的應(yīng)用得益于NVIDIA和沃爾瑪工程師之間的深度合作，我們準(zhǔn)備繼續(xù)推進(jìn)這種合作關(guān)系?！?/p>

此外，一些全球領(lǐng)先的技術(shù)公司也力圖通過全新的系統(tǒng)、數(shù)據(jù)科學(xué)平臺和軟件解決方案支持RAPIDS：

“HPE致力于改進(jìn)客戶生活和工作的方式。人工智能、分析和機器學(xué)習(xí)技術(shù)能在揭示洞察方面扮演關(guān)鍵的角色，這有助于幫助客戶實現(xiàn)突破性的成果，同時改善我們所生存的世界。HPE提供全面的人工智能和數(shù)據(jù)分析解決方案并在市場中保持獨一無二的優(yōu)勢，其中既包括戰(zhàn)略咨詢，也包括專為特定需求開發(fā)的GPU加速器技術(shù)、運行支持以及強大的伙伴生態(tài)系統(tǒng)；我們旨在為每位客戶定制合適的解決方案。我們對與NVIDIA在RAPIDS方面的合作感到非常興奮，此舉能加快數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的應(yīng)用，推動我們的客戶更快地實現(xiàn)更具洞察力的成果?！薄萜掌髽I(yè)首席執(zhí)行官Antonio Neri

“IBM已為企業(yè)人工智能構(gòu)建了全球領(lǐng)先的、在任何部署模式上均能運行的平臺。我們期望能拓展與NVIDIA已有的成功合作，利用RAPIDS來為客戶提供全新的機器學(xué)習(xí)工具?！薄狧ybrid Cloud高級副總裁兼IBM Research董事 Arvind Krishna

“當(dāng)今的計算領(lǐng)域要要強大的處理能力，以便應(yīng)對數(shù)據(jù)科學(xué)和分析智能等紛繁復(fù)雜的工作，而這正是NVIDIA GPU的優(yōu)勢。RAPIDS正在不斷加速處理和機器學(xué)習(xí)培訓(xùn)的速度。能在Oracle Cloud Infrastructure上支持這套全新的開源軟件讓我們感到非常興奮，我們也希望能與NVIDIA繼續(xù)合作，以在我們的Oracle Data Science Cloud等各種平臺上支持RAPIDS，并進(jìn)一步加速客戶端到端數(shù)據(jù)科學(xué)工作流。RAPIDS軟件在Oracle Cloud上無縫運行，這使客戶得以支持各種高性能計算、人工智能和數(shù)據(jù)科學(xué)需求，同時利用Oracle Cloud Infrastructure 上可獲得的GPU實例組合?！薄狾racle Cloud Infrastructure軟件開發(fā)部門高級副總裁Clay Magouyrk

本新聞稿得到包括Cisco、DELL EMC、聯(lián)想、NERSC, NetApp, Pure Storage, SAP和SAS等其它領(lǐng)先創(chuàng)新者以及諸多數(shù)據(jù)科學(xué)先驅(qū)的支持。

供貨

全套RAPIDS開源庫現(xiàn)在即可在http://www.rapids.ai上獲得，代碼經(jīng)Apache許可公布。容器化RAPIDS版本本周內(nèi)可在NVIDIA GPU Cloud container registry （https://www.nvidia.com/en-us/gpu-cloud/）上獲得。