NVIDIA анонсировала платформу GPU-ускорения для обработки больших массивов данных и машинного обучения
Новости
Первые тесты показали, что при использовании RAPIDS с алгоритмом машинного обучения XGBoost, производительность в 50 раз выше, чем у систем на базе CPU.
1К открытий1К показов
После двух лет разработки NVIDIA анонсировала открытую платформу GPU-ускорения RAPIDS для обработки больших массивов данных и машинного обучения на основе архитектуры CUDA. Использование RAPIDS с алгоритмом машинного обучения XGBoost даёт 50-кратное увеличение производительности по сравнению с системами на базе CPU.
RAPIDS
Платформа базируется на открытых проектах, таких как Apache Arrow, pandas и scikit-learn. NVIDIA планирует добавить в неё новые библиотеки и возможности машинного обучения, для этого компания сотрудничает с Anaconda, BlazingDB, Databricks, Quansight и другими игроками рынка открытого ПО. NVIDIA интегрировала RAPIDS во фреймворк для анализа и обработки данных Apache Spark, чтобы ускорить его распространение.
Открытые библиотеки RAPIDS уже доступны на сайте платформы, в ближайшее время компания собирается добавить контейнеризованные версии в репозитории NVIDIA GPU Cloud.
В августе 2018 года NVIDIA представила новую серию графических ускорителей GeForce RTX с технологией трассировки лучей. В компании заявили, что видеокарты в 6 раз мощнее предыдущего поколения видеоускорителей NVIDIA.
1К открытий1К показов
На платформе доступны новые инструменты, ускоряющие разработку, реализован чат в GigaCode, а пользоваться GitVerse теперь может малый и средний бизнес.
Объяснили, в чём разница между ‘npm’ и ‘npx’ — двумя ключевыми инструментами в экосистеме Node.js.
Разработчики из ОМП адаптировали Аврора SDK для ARM-процессоров Apple M, устраняя ограничения для пользователей MacBook на Apple Silicon
Эффективное управление ресурсами является основой успеха в бизнесе — на помощь приходят технологии машинного обучения, в частности, большие языковые модели (LLM).