Scienza dei dati accelerata da NVIDIA

Accelera i flussi di lavoro di analisi dei dati con le GPU

I flussi di lavoro nella scienza dei dati sono tradizionalmente lenti e complessi, soprattutto in termini di caricamento, filtraggio e manipolazione dei dati, oltre al training con machine learning. Esplora le librerie per il machine learning e l'analisi dei dati accelerate da GPU e distribuite su NVIDIA GPU, per massimizzare la produttività, le prestazioni e il ROI.

Caratteristiche e vantaggi

Facilità di utilizzo

Facilità di utilizzo

Accelera l'intera catena di strumenti Python con integrazione software fluida e open-source e minimi interventi sul codice.

Più risultati

Più risultati

Accelera il training con machine learning fino a 50 volte con più iterazioni per una migliore precisione dei modelli.

Convenienza ed efficienza

Convenienza ed efficienza

Riduci i costi dell'infrastruttura di elaborazione della scienza dei dati e aumenta l'efficienza del data center.

Training di XGBoost su GPU NVIDIA

Il XGBoost accelerato da GPU NVIDIA introduce miglioramenti di prestazioni rivoluzionarie nell'algoritmo di machine leraning leader del mondo. Con prestazioni di training significativamente più veloci rispetto alle CPU, i team di scienza dei dati possono gestire set più voluminosi, iterare più velocemente e calibrare i modelli per ottenere la massima precisione nelle previsioni e aumentare il valore aziendale.

Data Prep

XGBoost

End-to-end

Inizia con le nostre guide per XGBoost accelerato da GPU.

SOLUZIONI PER LA SCIENZA DEI DATI

PC

Inizia con il tuo progetto di machine learning.

Scopri di più >

QUADRO

Workstation professionali per machine learning.

Scopri di più >

Data Center

Sistemi IA specifici per prestazioni massime.

Scopri di più >

Cloud

Machine learning accelerato, ovunque.

Scopri di più>

RAPIDS, una piattaforma di scienza dei dati accelerata a GPU, è un ecosistema di elaborazione di nuova generazione basato su Apache Arrow. La collaborazione tra NVIDIA e Ursa Labs è destinata ad accelerare il passo dell'innovazione nelle librerie principali di Arrow e introdurre significativi miglioramenti delle prestazioni nei carichi di lavoro di analisi e progettazione delle funzionalità.

- Wes McKinney, Direttore di Ursa Labs e Autore di Apache Arrow e Pandas

In Databricks, siamo entusiasti del potenziale di RAPIDS di accelerare i carichi di lavoro Apache Spark. Abbiamo molti progetti in corso per migliorare l'integrazione di Spark con acceleratori nativi, tra cui il supporto di Apache Arrow e la programmazione con GPU con Project Hydrogen. Riteniamo che RAPIDS sia una straordinaria nuova opportunità per scalare i carichi di lavoro di IA e scienza dei dati per i nostri clienti.

- Matei Zaharia, cofondatore e CTO di Databricks, nonché fondatore di Apache Spark

Ho ottenuto una velocità 24 volte superiore con RAPIDS XGBOOST e ora posso sostituire centinaia di nodi CPU, eseguendo il maggior carico di lavoro di machine learning su un singolo nodo con 8 GPU. XGBOOST è troppo veloce!?

-Agenzia di streaming multimediale

 

Il problema principale per le prestazioni era l'I/O. …10 minuti per recuperare i dati per 10 punti vendita (circa 1 milione di righe). Con RAPIDS, possiamo integrare i dati per circa 6000 punti vendita (milioni di righe) in meno di 3 minuti. Tale volume avrebbe richiesto 4 giorni con l'infrastruttura precedente… semplicemente fantastico.

-Commerciante al dettaglio con 6000 punti vendita

RAPIDS, una piattaforma di scienza dei dati accelerata a GPU, è un ecosistema di elaborazione di nuova generazione basato su Apache Arrow. La collaborazione tra NVIDIA e Ursa Labs è destinata ad accelerare il passo dell'innovazione nelle librerie principali di Arrow e introdurre significativi miglioramenti delle prestazioni nei carichi di lavoro di analisi e progettazione delle funzionalità.

- Wes McKinney, Direttore di Ursa Labs e Autore di Apache Arrow e Pandas

In Databricks, siamo entusiasti del potenziale di RAPIDS di accelerare i carichi di lavoro Apache Spark. Abbiamo molti progetti in corso per migliorare l'integrazione di Spark con acceleratori nativi, tra cui il supporto di Apache Arrow e la programmazione con GPU con Project Hydrogen. Riteniamo che RAPIDS sia una straordinaria nuova opportunità per scalare i carichi di lavoro di IA e scienza dei dati per i nostri clienti.

- Matei Zaharia, cofondatore e CTO di Databricks, nonché fondatore di Apache Spark

Ho ottenuto una velocità 24 volte superiore con RAPIDS XGBOOST e ora posso sostituire centinaia di nodi CPU, eseguendo il maggior carico di lavoro di machine learning su un singolo nodo con 8 GPU. XGBOOST è troppo veloce!?

-Agenzia di streaming multimediale

Il problema principale per le prestazioni era l'I/O. …10 minuti per recuperare i dati per 10 punti vendita (circa 1 milione di righe). Con RAPIDS, possiamo integrare i dati per circa 6000 punti vendita (milioni di righe) in meno di 3 minuti. Tale volume avrebbe richiesto 4 giorni con l'infrastruttura precedente… semplicemente fantastico.

-Commerciante al dettaglio con 6000 punti vendita

RAPIDS, una piattaforma di scienza dei dati accelerata a GPU, è un ecosistema di elaborazione di nuova generazione basato su Apache Arrow. La collaborazione tra NVIDIA e Ursa Labs è destinata ad accelerare il passo dell'innovazione nelle librerie principali di Arrow e introdurre significativi miglioramenti delle prestazioni nei carichi di lavoro di analisi e progettazione delle funzionalità.

- Wes McKinney, Direttore di Ursa Labs e Autore di Apache Arrow e Pandas

In Databricks, siamo entusiasti del potenziale di RAPIDS di accelerare i carichi di lavoro Apache Spark. Abbiamo molti progetti in corso per migliorare l'integrazione di Spark con acceleratori nativi, tra cui il supporto di Apache Arrow e la programmazione con GPU con Project Hydrogen. Riteniamo che RAPIDS sia una straordinaria nuova opportunità per scalare i carichi di lavoro di IA e scienza dei dati per i nostri clienti.

- Matei Zaharia, cofondatore e CTO di Databricks, nonché fondatore di Apache Spark

Ho ottenuto una velocità 24 volte superiore con RAPIDS XGBOOST e ora posso sostituire centinaia di nodi CPU, eseguendo il maggior carico di lavoro di machine learning su un singolo nodo con 8 GPU. XGBOOST è troppo veloce!?

-Agenzia di streaming multimediale

Il problema principale per le prestazioni era l'I/O. …10 minuti per recuperare i dati per 10 punti vendita (circa 1 milione di righe). Con RAPIDS, possiamo integrare i dati per circa 6000 punti vendita (milioni di righe) in meno di 3 minuti. Tale volume avrebbe richiesto 4 giorni con l'infrastruttura precedente… semplicemente fantastico.

-Commerciante al dettaglio con 6000 punti vendita

Rapids: nuove librerie software per la scienza dei dati

RAPIDS si basa su più di 15 anni di competenze in machine learning e nello sviluppo di of NVIDIA® CUDA® . È un nuovo e potente software per eseguire sequenze di training complete nell'ambito della scienza dei dati interamente nella GPU, riducendo i tempi di training da giorni a minuti.

Flusso di NVIDIA RAPIDS
Velocità maggiori dall'inizio alla fine su RAPIDS

Inizia subito con Rapids

Le librerie RAPIDS sono open-source, scritte in Python e basate su Apache Arrow. Il software è in fase di sviluppo in collaborazione con le community open-source globali. Scarica RAPIDS per accelerare i tuoi flussi di machine learning e scienza dei dati.

Ecosistema dei partner

RAPIDS è aperto a tutti e adottato dai principali leader aziendali in scienza dei dati e analisi.

Big Data, analisi, visualizzazione

Anaconda
BlazingDB
DataBricks
Datalogue
FastData
Graphistry
H20.ai
Kinetica
MAPR
Omni Sci
Sqream
Uber

Piattaforma per scienza dei dati di livello enterprise

IBM
Oracle
SAP
Sas

Storage

DellEMC
DDN STORAGE
HPE
IBM
NetApp
Pure Storage

Deep learning

Chainer
PyTorch

Esplora le soluzioni hardware accelerate RAPIDS