【中國傳動網(wǎng) 新品新聞】 NVIDIA于今年10月10日的GPU技術(shù)大會上發(fā)布了一款針對數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的GPU加速平臺---RAPIDS。

作為科技行業(yè)的熱點，人工智能（AI）與機器學(xué)習(xí)正持續(xù)受到業(yè)界的關(guān)注。調(diào)研機構(gòu)Gartner表示人工智能和先進的機器學(xué)習(xí)技術(shù)是被廣泛關(guān)注的新興技術(shù)，將在企業(yè)甚至整個行業(yè)中掀起革命浪潮。它們能夠大幅度降低勞動力成本，產(chǎn)生意想不到的新見解，從原始數(shù)據(jù)中發(fā)現(xiàn)新模式，并建立預(yù)測模型。據(jù)分析師估計，面向數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的服務(wù)器市場每年價值約為200億美元，加上科學(xué)分析和深度學(xué)習(xí)市場，高性能計算市場總價值大約為360億美元。

“數(shù)據(jù)分析和機器學(xué)習(xí)是高性能計算市場中最大的細分市場，不過目前尚未實現(xiàn)加速?！盢VIDIA創(chuàng)始人兼首席執(zhí)行官黃仁勛在GPU技術(shù)大會主旨演講中表示，“全球最大的行業(yè)均在海量服務(wù)器上運行機器學(xué)習(xí)算法，目的在于了解所在市場和環(huán)境中的復(fù)雜模式，同時迅速、精準地做出將直接影響其基礎(chǔ)的預(yù)測?！?/p>

在這種趨勢下，NVIDIA于今年10月10日的GPU技術(shù)大會上發(fā)布了一款針對數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的GPU加速平臺---RAPIDS。日前，NVIDIA在京召開了媒體溝通會，系統(tǒng)講解了RAPIDS的應(yīng)用場景、平臺性能和生態(tài)策略。在NVIDIA亞太區(qū)解決方案架構(gòu)高級總監(jiān)趙立威看來，RAPIDS能夠幫助超大規(guī)模公司以前所未有的速度分析海量數(shù)據(jù)并進行精準的業(yè)務(wù)預(yù)測，顯著提升端到端預(yù)測數(shù)據(jù)分析能力。

圖NVIDIA亞太區(qū)解決方案架構(gòu)高級總監(jiān)趙立威

后摩爾時代下的GPU加速需求

眾所周知，機器學(xué)習(xí)包含了數(shù)據(jù)、特征以及算法。趙立威介紹對于數(shù)據(jù)科學(xué)家而言，一個標準的系統(tǒng)流程是數(shù)據(jù)準備、數(shù)據(jù)訓(xùn)練與可視化呈現(xiàn)三個步驟，其中數(shù)據(jù)準備主要進行數(shù)據(jù)特征的提取、數(shù)據(jù)的合并以及降維等；數(shù)據(jù)訓(xùn)練則是一個不斷循環(huán)的過程，通過參數(shù)調(diào)整、優(yōu)化使精度更高；最后進行上線展示，從而進一步運營。

圖數(shù)據(jù)科學(xué)通用流程

隨著大數(shù)據(jù)技術(shù)的快速發(fā)展，不管是在數(shù)據(jù)處理還是訓(xùn)練的過程，都需要大量的計算力，而在后摩爾時代，數(shù)據(jù)的增長量遠遠超過了計算力，基于Hadoop、SPARK的分布式節(jié)點加速會越來越困難。趙立威表示雖然市場出現(xiàn)了GPUDatabase技術(shù)，但并沒有把數(shù)據(jù)的準備、操作、ETL過程和機器學(xué)習(xí)訓(xùn)練整合成一個pipeline。對于GPU加速深度學(xué)習(xí)而言，它本質(zhì)是加速了計算的應(yīng)用，而數(shù)據(jù)分析和機器學(xué)習(xí)目前是最大的HPC應(yīng)用分支，伴隨著未來高速增長，它對計算力有著巨大的需求。對此，NVIDIA推出GPU加速平臺RAPIDS，該平臺已與全球最流行的數(shù)據(jù)科學(xué)庫及工作流無縫整合，可加速機器學(xué)習(xí)，如包括Anaconda、BlazingDB、Graphistry、NERSC、PyData、INRIA和UrsaLabs在內(nèi)的主要開源貢獻者，都在RAPIDS推出后立即給予了其廣泛的生態(tài)系統(tǒng)支持。

這里，趙立威展示了一個形象的例子，在過去數(shù)據(jù)工程師每天的大部分時間都在喝咖啡中度過，因為數(shù)據(jù)處理的過程中涉及到大量等待時間。應(yīng)用RAPIDS后，相較于下圖左邊的等待時間，右圖的效率得到了大大的提高，數(shù)據(jù)科學(xué)家可與更加專注與建模、測試與進行數(shù)據(jù)分析工作。RAPIDS為數(shù)據(jù)科學(xué)家提供了他們需要用來在GPU上運行整個數(shù)據(jù)科學(xué)管線的工具。最初的RAPIDS基準分析利用了XGBoost機器學(xué)習(xí)算法在NVIDIADGX-2?系統(tǒng)上進行訓(xùn)練，結(jié)果表明，與僅有CPU的系統(tǒng)相比，其速度能加快50倍。這可以幫助數(shù)據(jù)科學(xué)家將典型訓(xùn)練時間從數(shù)天減少到數(shù)小時，或者從數(shù)小時減少到數(shù)分鐘，具體取決于其數(shù)據(jù)集的規(guī)模。

圖數(shù)據(jù)科學(xué)家應(yīng)用RAPIDS的日常對比

開源生態(tài)提升數(shù)據(jù)分析能力

趙立威介紹RAPIDS構(gòu)建于ApacheArrow、pandas和scikit-learn等流行的開源項目之上，為最流行的Python數(shù)據(jù)科學(xué)工具鏈帶來了GPU提速。為了將更多的機器學(xué)習(xí)庫和功能引入RAPIDS，NVIDIA廣泛地與開源生態(tài)系統(tǒng)貢獻者展開合作，其中包括Anaconda、BlazingDB、Databricks、Quansight、scikit-learn、UrsaLabs負責(zé)人兼ApacheArrow締造者WesMcKinney以及迅速增長的Python數(shù)據(jù)科學(xué)庫pandas等等。

從硬件的角度，除了NVIDIA的DGX-2、DGX-1、DGXstation外，RAPIDS還包括一系列合作伙伴基于HGX-1、HGX-2兩種架構(gòu)提供的硬件產(chǎn)品。此外，NVIDIA也在跟下游的ODM、OEM廠商合作，進一步拓展RAPIDS的運行和使用。

目前，趙立威介紹包括HPE、IBM、Oracle、開源社區(qū)、創(chuàng)業(yè)公司等都在積極采用RAPIDS，顯著提升端到端預(yù)測數(shù)據(jù)分析能力。例如沃爾瑪已經(jīng)采用RAPIDS實現(xiàn)了復(fù)雜模式大規(guī)模地運行，同時進行更加精準的預(yù)測。最后，他總結(jié)RAPIDS包含以下特點：

無憂一體化：只需要使用最少的代碼加速Python數(shù)據(jù)科學(xué)工具鏈，不需要重新編碼或者使用新工具；

在任何GPU上擴展：從GPU工作站到多GPU服務(wù)器的無縫擴展多節(jié)點集群；

頂級模型精度：通過更快地迭代模型來提高機器學(xué)習(xí)模型的準確性，并更迅捷地實現(xiàn)部署；

減少培訓(xùn)時間：通過交互數(shù)據(jù)科學(xué)大幅提高工作效率；

開源可定制，可擴展，可互操作：這里趙立威特別強調(diào)開源一方面是指NVIDIA支持并基于ApacheArrow構(gòu)建，與PYTHON、SPARK、DASK等所有開源社區(qū)保持緊密合作；另一方面，因為RAPIDS本身的開源特性，未來也希望有跟多的開發(fā)者能夠貢獻代碼，不斷的完善平臺、豐富它的基礎(chǔ)特性、服務(wù)于更多的應(yīng)用場景。