科技动态:Nvidia RAPIDS加速了分析和机器学习

互联网在提高人们社会活动质量的同时可能对部分互联网使用者造成伤害。我们要正确认识网络的两面性，用其所长、避其所短，发挥网络对生活的积极促进作用。把网络作为生活的补充就可以享受网络的诸多益处，接下来这篇文章给大家说说互联网科技的正能量。

今天在慕尼黑举行的GPU技术大会上，由视频/图形公司转型为人工智能(AI)巨头的英伟达(Nvidia)在人工智能方向上又向前迈进了一步。

不过这一次，Nvidia并没有发布新的图形处理单元(GPU)平台，也没有发布新的用于深度学习的专用SDK，而是发布了一套新的用于GPU加速分析和机器学习(ML)的开源库。

NVIDIA(英伟达)从图形和游戏到AI(人工智能)和deep learningAlso(深度学习)

新的库集将提供Python接口，类似于Scikit Learn和panda提供的接口，但它将利用公司的CUDA平台在一个或多个gpu上加速。

英伟达人工智能基础设施主管曾俊欣(Jeff Tseng)周二通过电话向一些科技记者表示，与只使用cpu的实现相比，使用RAPIDS的训练时间提高了50倍。(这个速度是在Nvidia DGX-2系统上涉及XGBoost ML算法的场景中测量的，不过没有明确讨论CPU硬件配置。)

显然，Integrations和partnersRAPIDS合并了内存中的柱状数据技术Apache Arrow，并被设计为在Apache Spark上运行。考虑到后者，该公司从逻辑上获得了Databricks的支持，后者将把RAPIDS集成到自己的分析和人工智能平台中。

不过，Databricks并不是唯一支持RAPIDS平台的大牌公司。Python全明星巨蟒，IBM、惠普企业和甲骨文等科技巨头也在行动。

当您分别从RAPIDS网站和NVIDIA GPU云容器注册表中以源代码和Docker容器形式阅读本文时，应该已经下载了nowRAPIDS。

这篇文章更新于太平洋时间10月11日上午9点29分。原帖称，10月9日星期二，英伟达首席执行官黄延森向媒体介绍了RAPIDS的情况。事实上，这个简报是英伟达人工智能基础设施主管曾俊欣(Jeff Tseng)做的。