在數(shù)據(jù)分析、機器學習和深度學習領(lǐng)域中工作的數(shù)據(jù)科學家們將能夠借助NVIDIA全新CUDA-X AI庫實現(xiàn)速度的大幅提升。

CUDA-X能夠充分利用Tensor Core GPU的延展性，為以下領(lǐng)域提供加速：

應(yīng)用于從數(shù)據(jù)采集、ETL、模型訓練、到部署過程中的數(shù)據(jù)科學。

用于回歸、分類、聚類的機器學習算法。

所有深度學習訓練框架，且此版本針對NVIDIA Tensor Core GPU進行了自動優(yōu)化。

云端的推理和大規(guī)模Kubernetes部署。

應(yīng)用于PC、工作站、超級計算機云端和企業(yè)數(shù)據(jù)中心的數(shù)據(jù)科學。

應(yīng)用于AWS、Google Cloud和Microsoft Azure AI服務(wù)的數(shù)據(jù)科學。

數(shù)據(jù)科學。

CUDA-X加速數(shù)據(jù)科學

在本屆NVIDIA的GTC大會上推出的CUDA-X AI是唯一針對數(shù)據(jù)科學加速的端到端平臺。

隨著企業(yè)轉(zhuǎn)而采用深度學習、機器學習和數(shù)據(jù)分析等人工智能技術(shù)來更有效地利用數(shù)據(jù)， CUDA-X AI也應(yīng)運而生。

適用于數(shù)據(jù)處理、功能判定、訓練、驗證和部署的典型工作流程，CUDA-X AI讓我們能夠充分利用NVIDIA Tensor Core GPU的延展性來獨特地處理此類端到端的AI管道。

CUDA-X AI包含十幾個專用加速庫，能夠?qū)C器學習和數(shù)據(jù)科學工作負載加速至高達50倍。它已經(jīng)在通過cuDF加速數(shù)據(jù)分析；通過cuDNN加速深度學習原語；通過cuML加速機器學習算法；通過DALI加速數(shù)據(jù)處理等。

這些庫結(jié)合在一起，就能夠為典型AI工作流程中的每一步提供加速，無論是使用深度學習來訓練語音和圖像識別系統(tǒng)，還是通過數(shù)據(jù)分析來評估抵押貸款組合的風險狀況。這些工作流程中的每一步都需要處理大量數(shù)據(jù)，且每一步都能夠受益于GPU加速計算。

廣泛采用

因此，CUDA-X AI已得到渣打銀行、微軟、PayPal、SAS和沃爾瑪?shù)软敿夤舅捎谩Ｋ鸭芍林髁魃疃葘W習框架中，如TensorFlow、PyTorch和MXNet。全球主要云服務(wù)提供商均在使用CUDA-X AI來加速自身云服務(wù)。今日，全球八大計算機制造商宣布其數(shù)據(jù)科學工作站和服務(wù)器經(jīng)優(yōu)化后能夠運行NVIDIA的CUDA-X AI庫。

隨處可用

CUDA-X AI加速庫可單獨下載，亦作為NVIDIA NGC軟件中心的容器化軟件堆棧提供，均為免費。其可部署于任何地方，包括臺式機、工作站、服務(wù)器和云計算平臺。

于昨日GTC發(fā)布的所有數(shù)據(jù)科學工作站中均已集成CUDA-X AI。且昨日發(fā)布的所有NVIDIA T4服務(wù)器均經(jīng)優(yōu)化，能夠運行CUDA-X AI。