英伟达的Rapids：GPU上的Python分析

急流v0.11 学到更多 在p 建立机器学习模型是一个重复的过程。通常这是死记硬背的惯例，这是“循环中最快的胜利”游戏，因为您可以越快地进行迭代，就越容易探索新的理论并获得良好的答案。
这是实际企业使用的原因之一如今，最大的企业主导着AI的发展，这可能会投入大量资源。 Rapids是由Nvidia孵化的几个开源项目的保护伞，该项目将整个处理流程放在GPU上，消除了I / O约束的数据传输，同时还大大提高了每个步骤的速度。它还为数据提供了一种通用格式，从而减轻了在不同系统之间交换数据的负担。
在用户级别，Rapids模仿了Python API，以简化该用户群的过渡。 Tidyverse食谱 典型的机器学习工作流程 Rapids生态系统架构Rapids项目旨在在很大程度上复制Python的机器学习和数据分析API，但复制的是GPU，而不是CPU。这意味着Python开发人员已经具备了在GPU上运行所需的一切，而不必了解CUDA编程和并行操作的底层细节。
Pythonistas可以在未启用GPU的计算机上开发代码，然后进行一些调整，然后在所有可用的GPU上运行它。 要继续阅读本文，请立即注册 免费访问 紧贴InfoWorld的新闻通讯，以了解软件开发人员，分析师，数据库程序员和数据科学家的情况。 从我们仅限会员的内幕文章中获取专家见解。
。