NVIDIA Marc Hamilton：利用开源的RAPIDS，为机器学习持续加速

【51CTO.com原创稿件】利用GPU处理语音、视频、图片等非结构化数据已经成为行业共识，在今年的GTC大会上，NVIDIA不但发布了一系列全新的GPU芯片，而且还重点介绍了用于加速计算的RAPIDS。NVIDIA解决方案架构与工程团队副总裁Marc Hamilton在接受记者采访时表示，NVIDIA在深度学习领域已经专攻了六年，RAPIDS并不是一个全新的算法。它不是教人们怎么去编写新的代码，而是把已经写好的代码放在CUDA上，数据科学家不需要重新学习软件的用法，完全可以利用现有的软件，并为深度学习快速。据介绍，由于RAPIDS是开源的，所以软件中没有的功能企业可以自己去编写代码实现。

NVIDIA解决方案架构与工程团队副总裁Marc Hamilton

让机器学习算法加速的RAPIDS

XGBOOST是机器学习中一个比较好的算法，Marc Hamilton告诉记者，现在越来越多的公司开始采用XGBOOST算法。他表示，每个企业都有不同的业务需要用到深度学习，如果企业同时有五个决策树，如果用CPU服务器计算，需要几周甚至几个月的时间，这是因为在每一个树状图的接替过程中，一个服务器与另外一个服务器要进行大量的信息交换，整体速度都被拉低了，利用RAPIDS则可以很好的解决这个问题。

RAPIDS不需要创造新的算法，只是为了让XGBOOST和其它机器学习算法提速。RAPIDS里有两个部分组成：第一个是cuDF，，它是CUDA的数据框架。第二个是cuML，它是CUDA学习。据介绍，数据框架是帮助用户收集数据的，cuML和CUDA机器学习只是GPU支持XGBOOST或者其它的人工智能库。cuGRAPH是专门处理图像的，可以跟很多的软件相连。

Marc Hamilton表示，RAPIDS的最低层是通过CUDA进行编程。他强调，加速有不同方式，一种方式是在CUDA上对软件进行重新编程，第二种方式是使用CUDA软件库、cuML及机器学习的软件库，用来加速XGBOOST。第三种加速方式是在软件应用层面的加速，比如：SAP或者Oracle的某些工程的功能已经是通过GPU加速了。

开源让RAPIDS简单易用

据Marc Hamilton介绍，RAPIDS是开源的，非常易用增加新的功能，不需要重新学习。

Marc Hamilton表示，现在很多新软件的开发过程和老软件非常不一样，如果买Oracle的数据库，需要一年更新一次。RAPIDS每天都会把新的代码放到上面去，每30天会把这些数据部署到英伟达的容器里，然后把它放到“云”上去。

“如果今天你用当前版本RAPIDS用的非常好，那么这个版本会被放在容器里头一直待在“云”上，什么时候想用都会在那里，它并不会消失。” Marc Hamilton表示，如果你喜欢英伟达RAPIDS的下一个月的版本中的某个功能，就可以在下个月把新版本下载下来使用。

据了解，“云”上的大部分版本都是由英伟达经过测试之后的，有一些版本没有经过测试，用户想要使用的，也可以自己下载代码，自已进行测试。“英伟达有很多想法，有些是新的算法、有些是额外的算法，我们都把它放到RAPIDS上去，而且每个月我们会基于客户给我们反馈，对它们进行优先化处理。” Marc Hamilton如是说。

【51CTO原创稿件，合作站点转载请注明原文作者和出处为51CTO.com】

（编辑：厦门网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!