GPU—加速数据科学工作流程

GPU-ACCELERATE YOUR DATA SCIENCE WORKFLOWS

传统上，数据科学工作流程是缓慢而繁琐的，依赖于cpu来加载、过滤和操作数据，训练和部署模型。gpu大大降低了基础设施成本，并为使用RAPIDS的端到端数据科学工作流提供了卓越的性能开源软件库。GPU加速数据科学在笔记本电脑、数据中心、边缘和云端随处可见。

ApacheSpark3.0是GPU加速的RAPIDS

ApacheSpark3.0是Spark的第一个版本，它为分析和人工智能工作负载提供了完全集成和无缝的GPU加速。利用本地或云端的GPU开发Spark 3.0的强大功能，而无需更改代码。gpu的突破性性能使企业和研究人员能够更频繁地训练更大的模型，最终用AI的力量释放大数据的价值。

英伟达GPU XGBOOST训练

GPU加速的XGBoost在单节点和分布式部署中为世界领先的机器学习算法带来了改变游戏规则的性能。与CPU相比，数据科学团队的训练速度要快得多，因此他们可以处理更大的数据集、更快地迭代和优化模型，从而最大限度地提高预测精度和业务价值。

RAPIDS：数据科学图书馆套件

RAPIDS基于NVIDIA CUDA-X人工智能，利用了超过15年的NVIDIACUDA开发和机器学习专业知识。它是一款功能强大的软件，可以在NVIDIA GPUs中完全执行端到端的数据科学训练管道，将训练时间从几天缩短到几分钟。

数据从根本上改变了公司开展业务的方式，推动了对数据科学家的需求，并增加了工作流程的复杂性。借助NVIDIA支持的数据科学工作站，获得将大量数据转化为见解并创造出色客户体验所需的性能。由领先的工作站提供商构建，将Quadro RTX GPU的功能与加速的CUDA-X AI数据科学软件相结合，以提供用于数据科学的新型全集成台式机和移动工作站。

基于世界上最先进的GPU构建

由Quadro RTX GPU驱动的工作站将RTX的强大功能带入您的数据科学工作流程。在台式机上获得多达96 GB的超高速本地内存，在笔记本电脑上获得高达24 GB的超高速本地内存，以便从任何地方处理最大的数据集和计算密集型工作负载。利用最新的光线跟踪技术实现高性能的本地可视化，并配置远程访问以实现最大的灵活性。借助Quadro RTX，您可以使用工作站来确保最高程度的兼容性，支持和可靠性，从而最大限度地提高生产率，缩短洞察时间并降低数据科学项目的成本。

与GPU加速软件集成

基于NVIDIA的数据科学工作站配有基于NVIDIA CUDA-X AI构建的经过全面测试和优化的数据科学软件堆栈。该堆栈具有RAPIDS数据处理和机器学习库，NVIDIA优化的XGBoost，TensorFlow，PyTorch和其他领先的数据科学软件，可为企业提供加速的工作流程，以加快数据准备，模型训练和数据可视化。

RTX 8000上的RAPIDS：空前的数据科学性能

NVIDIA驱动的数据科学工作站将Quadro RTX GPU的功能与RAPIDS的加速功能结合在一起，以减少培训时间并提供最快的数据科学途径。

借助NVIDIA TRITON INFERENCE SERVER简化部署

NVIDIA Triton Inference Server（以前称为TensorRT Inference Server）是一种开源软件，可简化生产中深度学习模型的部署。Triton Inference Server使团队可以从任何基于GPU或CPU的基础架构上的本地存储，Google Cloud Platform或AWS S3的任何框架（TensorFlow，PyTorch，TensorRT Plan，Caffe，MXNet或自定义）部署经过训练的AI模型。它可以在单个GPU上同时运行多个模型，以最大限度地提高利用率，并与Kubernetes集成以进行编排，指标和自动缩放。

增强统一，可扩展的深度学习推理

通过一个统一的架构，可以训练每个深度学习框架上的神经网络，并使用NVIDIA TensorRT对其进行优化，然后将其部署为在边缘进行实时推理。借助NVIDIA DGX 系统，NVIDIA Tensor Core GPU，NVIDIA Jetson 和NVIDIA DRIVE ，NVIDIA提供了端到端，完全可扩展的深度学习平台。

大规模节省成本

为了使服务器保持最高生产率，数据中心经理必须在性能和效率之间进行权衡。一台NVIDIA T4服务器可以代替多台商用CPU服务器来进行深度学习推理应用程序和服务，从而降低能源需求并节省购置成本和运营成本。