Workflows accélérés par GPU pour la science des données

ACCÉLÉREZ L’ANALYSE DE DONNÉES GRÂCE AUX GPU NVIDIA

Les workflows de science des données ont longtemps été à la fois lents et fastidieux en matière de chargement, de filtrage, de manipulation des données et d’entraînement pour l’apprentissage automatique. Découvrez les nouvelles bibliothèques logicielles accélérées par GPU pour l'apprentissage automatique et l'analyse de données, que vous pouvez déployer sur les GPU de NVIDIA afin de maximiser la productivité, la performance et le retour sur investissement.

La plateforme de science des données RAPIDS, entièrement accélérée par GPU, est un écosystème de calcul de nouvelle génération basé sur Apache Arrow. La collaboration de NVIDIA avec Ursa Labs va nous permettre d’accélérer l’innovation avec les bibliothèques Arrow les plus importantes tout en nous offrant des gains de performance significatifs pour les workflows d’analyse et d’ingénierie.

- Wes McKinney, Directeur d’Ursa Labs et créateur d’Apache Arrow et Pandas

Chez Databricks, nous nous réjouissons du potentiel de RAPIDS à accélérer les workflows basés sur Apache Spark. Plusieurs de nos projets au long cours vont pouvoir bénéficier d’une meilleure intégration de Spark avec des accélérateurs natifs, notamment via la plateforme de développement Apache Arrow et la planification GPU avec Project Hydrogen. Nous sommes convaincus que RAPIDS constitue une excellente opportunité de faire évoluer encore plus efficacement les workflows de nos clients reposant sur la science des données et l’IA.

- Matei Zaharia, Cofondateur et Directeur technique de Databricks, Fondateur d’Apache Spark

L’utilisation combinée de RAPIDS et de XGBoost m’a permis de bénéficier de performances 24 fois plus rapides. Je peux désormais remplacer des centaines de nœuds GPU pour exécuter mes charges de travail ML les plus lourdes sur un nœud unique équipé de 8 GPU. NVIDIA a accéléré XGBoost d’une manière stupéfiante !

-Société de diffusion multimédia

Le traitement des données E/S représentait auparavant le principal frein à notre productivité. Il nous fallait jusqu’à 10 minutes pour traiter les données de 10 magasins réparties dans environ 1 million de colonnes. Grâce à RAPIDS, nous pouvons désormais traiter les données de 6 000 magasins et plusieurs millions de colonnes en moins de 3 minutes. Sur une infrastructure héritée, cela aurait nécessité près de 4 jours de traitement. Les gains de productivité sont exceptionnels.

-Détaillant spécialisé de marché intermédiaire avec 6 000 magasins

La plateforme de science des données RAPIDS, entièrement accélérée par GPU, est un écosystème de calcul de nouvelle génération basé sur Apache Arrow. La collaboration de NVIDIA avec Ursa Labs va nous permettre d’accélérer l’innovation avec les bibliothèques Arrow les plus importantes tout en nous offrant des gains de performance significatifs pour les workflows d’analyse et d’ingénierie.

- Wes McKinney, Directeur d’Ursa Labs et créateur d’Apache Arrow et Pandas

Chez Databricks, nous nous réjouissons du potentiel de RAPIDS à accélérer les workflows basés sur Apache Spark. Plusieurs de nos projets au long cours vont pouvoir bénéficier d’une meilleure intégration de Spark avec des accélérateurs natifs, notamment via la plateforme de développement Apache Arrow et la planification GPU avec Project Hydrogen. Nous sommes convaincus que RAPIDS constitue une excellente opportunité de faire évoluer encore plus efficacement les workflows de nos clients reposant sur la science des données et l’IA.

- Matei Zaharia, Cofondateur et Directeur technique de Databricks, Fondateur d’Apache Spark

L’utilisation combinée de RAPIDS et de XGBoost m’a permis de bénéficier de performances 24 fois plus rapides. Je peux désormais remplacer des centaines de nœuds GPU pour exécuter mes charges de travail ML les plus lourdes sur un nœud unique équipé de 8 GPU. NVIDIA a accéléré XGBoost d’une manière stupéfiante !

-Société de diffusion multimédia

Le traitement des données E/S représentait auparavant le principal frein à notre productivité. Il nous fallait jusqu’à 10 minutes pour traiter les données de 10 magasins réparties dans environ 1 million de colonnes. Grâce à RAPIDS, nous pouvons désormais traiter les données de 6 000 magasins et plusieurs millions de colonnes en moins de 3 minutes. Sur une infrastructure héritée, cela aurait nécessité près de 4 jours de traitement. Les gains de productivité sont exceptionnels.

-Détaillant spécialisé de marché intermédiaire avec 6 000 magasins

La plateforme de science des données RAPIDS, entièrement accélérée par GPU, est un écosystème de calcul de nouvelle génération basé sur Apache Arrow. La collaboration de NVIDIA avec Ursa Labs va nous permettre d’accélérer l’innovation avec les bibliothèques Arrow les plus importantes tout en nous offrant des gains de performance significatifs pour les workflows d’analyse et d’ingénierie.

- Wes McKinney, Directeur d’Ursa Labs et créateur d’Apache Arrow et Pandas

Chez Databricks, nous nous réjouissons du potentiel de RAPIDS à accélérer les workflows basés sur Apache Spark. Plusieurs de nos projets au long cours vont pouvoir bénéficier d’une meilleure intégration de Spark avec des accélérateurs natifs, notamment via la plateforme de développement Apache Arrow et la planification GPU avec Project Hydrogen. Nous sommes convaincus que RAPIDS constitue une excellente opportunité de faire évoluer encore plus efficacement les workflows de nos clients reposant sur la science des données et l’IA.

- Matei Zaharia, Cofondateur et Directeur technique de Databricks, Fondateur d’Apache Spark

L’utilisation combinée de RAPIDS et de XGBoost m’a permis de bénéficier de performances 24 fois plus rapides. Je peux désormais remplacer des centaines de nœuds GPU pour exécuter mes charges de travail ML les plus lourdes sur un nœud unique équipé de 8 GPU. NVIDIA a accéléré XGBoost d’une manière stupéfiante !

-Société de diffusion multimédia

Le traitement des données E/S représentait auparavant le principal frein à notre productivité. Il nous fallait jusqu’à 10 minutes pour traiter les données de 10 magasins réparties dans environ 1 million de colonnes. Grâce à RAPIDS, nous pouvons désormais traiter les données de 6 000 magasins et plusieurs millions de colonnes en moins de 3 minutes. Sur une infrastructure héritée, cela aurait nécessité près de 4 jours de traitement. Les gains de productivité sont exceptionnels.

-Détaillant spécialisé de marché intermédiaire avec 6 000 magasins

RAPIDS : NOUVELLES BIBLIOTHÈQUES LOGICIELLES POUR LA SCIENCE DES DONNÉES

RAPIDS repose sur plus de 15 années d’expertise dans l’apprentissage automatique et le développement avec NVIDIA^® CUDA^® Cette puissante solution logicielle pour la science des données permet d’exécuter des procédures d’entraînement sur GPU de bout en bout - ce qui réduit la durée de l’entraînement de plusieurs jours à quelques minutes.

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