比CPU快50倍？英偉達用RAPIDS開啟機器學習的想像力空間

在10月10日的英偉達GTC大會上，該公司發布了RAPIDS開源GPU加速平台，對於這家以「硬體」為主要標籤的公司來說，創始人黃仁勛在GTC大會上花了很大的篇幅來介紹這款軟體產品，以及這款產品之所以被推出的背景。

在不久後，在英偉達北京辦公室召開了一次媒體講解會，NVIDIA亞太區解決方案架構高級總監趙立威，就這款GPU加速平台上市的市場背景和重點技術細節進行了詳細的溝通。

容易被忽視的200億美金市場

「在數據科學領域中，雖然近兩年談得比較多的是人工智慧和深度學習，但機器學習市場相對於深度學習市場存在的時間更長，在長達十幾到二十幾年的發展過程中，如今將會爆發很大的市場價值，市場容量將會在200億美金左右。」趙立威說，「如果把數據分析(大數據分析)市場作為HPC的一個細分領域，這個市場會更大，差不多應該會在360億美金左右。」

另一方面，「數據驅動」成了越來越多企業用來增強自己核心競爭力的手段。例如亞馬遜，有三分之一左右的採購行為，是通過系統來推薦的。類似的案例還發生在零售、保險、金融等各個領域。「現在一旦離開數據，離開所謂的大數據決策支持系統，很多商業行為已經變得不可想像。」

那麼，為什麼英偉達選擇在這個時間點推出這樣一款產品？筆者在媒體介紹會中，梳理了關於RAPIDS的幾個關鍵詞：1.它是開源的;2.它是一個軟體的平台;3.它是面向數據科學以及機器學習市場的。

數據科學家：不是在喝咖啡，就是在喝咖啡的路上，然而這種生活將被RAPIDS所終結

數據科學家是一個全世界每個人都想做的工作。因為他們以前有很多時間喝咖啡。他們不是在喝咖啡，就是在去喝咖啡的路上。因為在數據準備的階段，要把數據集宕下來，可能動不動就是G或T級別的很大一個數據包。下載之後需要進行處理，ETL數據抽取、數據轉換和數據載入的過程，這時候就可以喝咖啡去了，因為基於CPU整個數據的載入和數據的計算過程是非常耗時的。但對於數據科學家來說，有很多時間可以享受悠閑的咖啡生活。但對於IT manager或者企業管理者來說，就不是一件讓人開心的事情了。當你希望從一個數據裡面找到一個決策過程支持結果的時候，如果需要花幾十個小時、幾天甚至於幾周時間的時候，這對於企業的決策者來說是不可想像的。「這些判斷應該是秒級甚至毫秒級的，每一次判斷，當滑鼠滑動過程的時候，就應該已經判斷好了。」趙立威說。

RAPIDS軟體平台幫助數據科學家顯著提高了工作績效，「數據分析和機器學習是高性能計算市場中最大的細分市場，不過目前尚未實現加速，「NVIDIA創始人兼首席執行官黃仁勛在GPU技術大會主旨演講中發布RAPIDS時表示，」全球最大的行業均在海量伺服器上運行機器學習演算法，目的在於了解所在市場和環境中的複雜模式，同時迅速、精準地做出將直接影響其基礎的預測。 「數據科學家使用加速服務以後，數據載入處理等部分的過程就會變得很短了。數據科學家可以參與到要發揮他的主觀能動性的分析過程中，而因為GPU加速還可以提高分析精度。

據天極網了解，RAPIDS已為GPU加速分析和機器學習提供了一整套開源庫，數據可視化即將是下一個目標。RAPIDS第一次為數據科學家提供了他們需要用來在GPU上運行整個數據科學管線的工具。最初的RAPIDS基準分析利用了XGBoost機器學習演算法在NVIDIA DGX-2 系統上進行訓練，結果表明，與僅有CPU的系統相比，其速度能加快50倍。這可幫助數據科學家將典型訓練時間從數天減少到數小時，或者從數小時減少到數分鐘，具體取決於其數據集的規模。

「開源」的兩大含義

據了解，RAPIDS構建於Apache Arrow、pandas和scikit-learn等流行的開源項目之上，為最流行的Python數據科學工具鏈帶來了GPU提速。為了將更多的機器學習庫和功能引入RAPIDS，NVIDIA廣泛地與開源生態系統貢獻者展開合作 ，其中包括Anaconda、BlazingDB、Databricks、Quansight、scikit-learn、Ursa Labs 負責人兼Apache Arrow締造者Wes McKinney以及迅速增長的Python數據科學庫pandas等等。 而據趙立威介紹，開源有兩大含義，除了RAPIDS跟很多開源社區所保持的緊密合作關係，其次，RAPIDS平台本身是開源的，「我們希望通過這種方式，可以有更多開源的朋友，來貢獻他們的代碼、分享智慧，不斷的完善整個平台上面新的、豐富它的基礎特性，未來服務更多的場景。」

另據了解，除了英偉達的DGX-2、DGX-1、DGX station，RAPIDS還支撐多款基於HGX-1、HGX-2這兩種架構的伺服器產品。

!

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！