Grafikprozessorbeschleunigte Workflows für Datenwissenschaft

GPU-BESCHLEUNIGUNG IHRER DATENANALYSE-WORKFLOWS

Workflows für die Datenwissenschaft waren üblicherweise langsam und schwerfällig beim Laden, Filtern und Bearbeiten von Daten sowie beim Training des maschinellen Lernens selbst. Entdecken Sie maschinelles Lernen mit Grafikprozessorbeschleunigung und Datenanalysebibliotheken, die auf NVIDIA-GPU bereitgestellt werden, für maximierte Produktivität, Leistung und ROI.

RAPIDS, eine GPU-beschleunigte Datenwissenschaftsplattform, ist ein Rechnernetzwerk der nächsten Generation mit Apache Arrow. Die Zusammenarbeit von NVIDIA mit Ursa Labs steigert das Innovationstempo der wichtigsten Arrow-Bibliotheken und führt zu Leistungssteigerung bei Analytik und Feature Engineering-Workloads.

- Wes McKinney, Leiter von Ursa Labs und Schöpfer von Apache Arrow und Pandas

Bei Databricks sind wir begeistert von dem Potenzial, das RAPIDS bei der Beschleunigung von Apache Spark-Workloads zeigt. Wir haben derzeit mehrere laufende Projekte für die bessere Integration von Spark mit nativen Beschleunigern inklusive Apache Arrow-Unterstützung und GPU-Scheduling mit Project Hydrogen. Wir sind überzeugt, dass RAPIDS eine spannende neue Möglichkeit für die Skalierung der Datenwissenschafts- und KI-Workloads unserer Kunden ist.

- Matei Zaharia, Mitbegründer und Chief Technology Officer bei Databricks und Gründer von Apache Spark

Ich habe 24fache Geschwindigkeit mit RAPIDS XGBOOST erreicht. Hunderte CPU-Knoten können ersetzen werden und mein größter ML-Workload kann auf einem einzelnen Knoten mit 8 GPUs ausgeführt werden. Sie haben XGBOOST zu schnell gemacht!?

– Unternehmen im Bereich Medien-Streaming

Früher war mein Engpass I/O. … 10 Minuten, um Daten von 10 Filialen abzurufen (ca. 1 Million Zeilen). Mit RAPIDS können wir Daten aus etwa 6.000 Filialen (Millionen von Zeilen) in weniger als 3 Minuten abrufen. Mit der alten Infrastruktur hätten wir für diese Mengen locker 4 Tage benötigt ... Einfach herrlich!

– Mittelständischer Einzelhändler mit 6.000 Filialen

RAPIDS, eine GPU-beschleunigte Datenwissenschaftsplattform, ist ein Rechnernetzwerk der nächsten Generation mit Apache Arrow. Die Zusammenarbeit von NVIDIA mit Ursa Labs steigert das Innovationstempo der wichtigsten Arrow-Bibliotheken und führt zu Leistungssteigerung bei Analytik und Feature Engineering-Workloads.

- Wes McKinney, Leiter von Ursa Labs und Schöpfer von Apache Arrow und Pandas

Bei Databricks sind wir begeistert von dem Potenzial, das RAPIDS bei der Beschleunigung von Apache Spark-Workloads zeigt. Wir haben derzeit mehrere laufende Projekte für die bessere Integration von Spark mit nativen Beschleunigern inklusive Apache Arrow-Unterstützung und GPU-Scheduling mit Project Hydrogen. Wir sind überzeugt, dass RAPIDS eine spannende neue Möglichkeit für die Skalierung der Datenwissenschafts- und KI-Workloads unserer Kunden ist.

- Matei Zaharia, Mitbegründer und Chief Technology Officer bei Databricks und Gründer von Apache Spark

Ich habe 24fache Geschwindigkeit mit RAPIDS XGBOOST erreicht. Hunderte CPU-Knoten können ersetzen werden und mein größter ML-Workload kann auf einem einzelnen Knoten mit 8 GPUs ausgeführt werden. Sie haben XGBOOST zu schnell gemacht!?

– Unternehmen im Bereich Medien-Streaming

Früher war mein Engpass I/O. … 10 Minuten, um Daten von 10 Filialen abzurufen (ca. 1 Million Zeilen). Mit RAPIDS können wir Daten aus etwa 6.000 Filialen (Millionen von Zeilen) in weniger als 3 Minuten abrufen. Mit der alten Infrastruktur hätten wir für diese Mengen locker 4 Tage benötigt ... Einfach herrlich!

– Mittelständischer Einzelhändler mit 6.000 Filialen

RAPIDS, eine GPU-beschleunigte Datenwissenschaftsplattform, ist ein Rechnernetzwerk der nächsten Generation mit Apache Arrow. Die Zusammenarbeit von NVIDIA mit Ursa Labs steigert das Innovationstempo der wichtigsten Arrow-Bibliotheken und führt zu Leistungssteigerung bei Analytik und Feature Engineering-Workloads.

- Wes McKinney, Leiter von Ursa Labs und Schöpfer von Apache Arrow und Pandas

Bei Databricks sind wir begeistert von dem Potenzial, das RAPIDS bei der Beschleunigung von Apache Spark-Workloads zeigt. Wir haben derzeit mehrere laufende Projekte für die bessere Integration von Spark mit nativen Beschleunigern inklusive Apache Arrow-Unterstützung und GPU-Scheduling mit Project Hydrogen. Wir sind überzeugt, dass RAPIDS eine spannende neue Möglichkeit für die Skalierung der Datenwissenschafts- und KI-Workloads unserer Kunden ist.

- Matei Zaharia, Mitbegründer und Chief Technology Officer bei Databricks und Gründer von Apache Spark

Ich habe 24fache Geschwindigkeit mit RAPIDS XGBOOST erreicht. Hunderte CPU-Knoten können ersetzen werden und mein größter ML-Workload kann auf einem einzelnen Knoten mit 8 GPUs ausgeführt werden. Sie haben XGBOOST zu schnell gemacht!?

– Unternehmen im Bereich Medien-Streaming

Früher war mein Engpass I/O. … 10 Minuten, um Daten von 10 Filialen abzurufen (ca. 1 Million Zeilen). Mit RAPIDS können wir Daten aus etwa 6.000 Filialen (Millionen von Zeilen) in weniger als 3 Minuten abrufen. Mit der alten Infrastruktur hätten wir für diese Mengen locker 4 Tage benötigt ... Einfach herrlich!

– Mittelständischer Einzelhändler mit 6.000 Filialen

RAPIDS: NEUE SOFTWAREBIBLIOTHEKEN FÜR DATENWISSENSCHAFT

RAPIDS beruht auf mehr als 15 Jahren NVIDIA^® CUDA^®-Entwicklung und Expertise in maschinellem Lernen. Es handelt sich um eine leistungsstarke neue Software zur vollständigen Ausführung durchgehender Datenwissenschafts-Lernpipelines in der GPU, wodurch die Lernzeit von Tagen auf Minuten schrumpft.

Weitere Informationen

Machine Learning to Deep Learning:All on GPU

Get started with Rapids today

RAPIDS libraries are open-source, written in Python, and built on Apache Arrow. The software is being developed in partnership with open-source communities globally. Download RAPIDS to experience acceleration of your machine learning and data science workflows.

Download Source Code

DOWNLOAD NGC CONTAINER