Публикации по теме rapids-ai

Публикации по теме 'rapids-ai'

ПОГРЕНЫ | Настройка NVIDIA в Google Collaboratory

Введение Теперь, когда вы получили общее представление о графических процессорах и их необходимости в науке о данных, а также о важности таких технологий, как RAPIDS, мы покажем вам, как настроить RAPIDS в Google Collaboratory. Но прежде чем углубляться, мы рекомендуем создать учетную запись Google, если она еще не создана. Давайте начнем. Проверьте совместимость с NVIDIA Первым требованием для настройки RAPIDS в Google Collab является проверка совместимости. Мы проверим,..

Анонс RAPIDS 22.10

Подача торта, пипса и окон на нашу четвертую вечеринку по случаю дня рождения! Пришло время отпраздновать еще один год, когда RAPIDS ускоряет науку о данных и продвигает достижения повсюду. Когда-то небольшая команда, создававшая увлеченный проект, превратилась в сообщество, охватывающее весь земной шар. И в этом выпуске у нас есть несколько интересных объявлений, которые упрощают использование RAPIDS, где бы вы ни работали! В пятый год мы расширяем наши усилия по ускорению..

Ускорение MLOps с помощью мощностей графических процессоров

Краткий обзор MLOps MLOps — это набор методов, направленных на надежное и эффективное развертывание и поддержку моделей машинного обучения в производственной среде. Слово представляет собой соединение «машинного обучения» и практики непрерывного развития DevOps в области программного обеспечения. DevOps против MLOps Системы машинного обучения отличаются от обычных программных решений следующими особенностями: CI — это уже не только тестирование и проверка кода и..

Ускоренная повторная выборка с помощью Imbalanced-learn и cuML

Авторы (в алфавитном порядке): Ник Беккер (NVIDIA), Данте Гама Дессавр (NVIDIA) и Кори Нолет (NVIDIA). Введение Imbalanced-learn — самая популярная библиотека с открытым исходным кодом для повторной выборки наборов данных с дисбалансом классов. Только за последний месяц его скачали более 3 миллионов раз, что делает его важной частью экосистемы анализа данных и машинного обучения. RAPIDS cuML — это набор быстрых алгоритмов машинного обучения с ускорением на GPU, предназначенных..

ПОГРЕНЫ | Настройка NVIDIA в Linux

Введение Теперь, когда вы получили общее представление о графических процессорах и их необходимости в науке о данных, а также о важности таких технологий, как RAPIDS, мы покажем вам, как настроить RAPIDS в Linux (Ubuntu 20.4). Давайте начнем. Установка набора инструментов CUDA · Чтобы загрузить инструментарий CUDA, нажмите здесь . Далее выберите следующие параметры: Операционная система: Linux | Архитектура: x86_64 | Распространение: Ubuntu | Версия: 20.4 |Установщик:..

Ускорьте обработку данных ГИС с помощью RAPIDS

Быстрый запуск распределенного RAPIDS на облачном графическом процессоре в Hyperplane Подпишитесь на наш предстоящий вебинар 16 февраля 2022 г.! У нас есть спикеры из NVIDIA, Oracle и Shakudo, которые технически подробно рассказывают о том, как масштабировать машинное обучение от использования ЦП до мульти-ГП . «На нашем последнем вебинаре команда Shakudo и NVIDIA RAPIDS собралась вместе, чтобы продемонстрировать, как RAPIDS на Hyperplane может ускорить и масштабировать..

Введение в анализ графов с использованием cuGraph

При анализе данных иногда важны отношения между элементами данных, а также объем задаваемого вопроса. В этих случаях лучше представить данные в виде графика и применить графовую аналитику. Примером, вытекающим из пандемии COVID, является то, что все узнали о концепции отслеживания контактов. Этот процесс включает в себя сбор информации о том, с кем кто-то контактировал и с кем контактировали эти люди. По сути, создание социальной сети, где узлы представляют людей, а ребра представляют..