掘金資料科學市場 NVIDIA RAPIDS通過GPU加速價值實現

至頂網伺服器頻道 12月04日 新聞訊息（文/李祥敬）： 在這個資料無處不在的時代，如何從資料中獲取價值成為企業的重要課題。有資料顯示，面向資料科學和機器學習的伺服器市場每年價值約為200億美元，加上科學分析和深度學習市場，高效能運算市場總價值大約為360億美元，且該市場還在持續快速發展。

在NVIDIA看來，資料分析和機器學習是高效能運算市場中最大的細分市場，不過目前尚未實現加速。NVIDIA解決方案架構與工程團隊副總裁Marc Hamilton告訴記者，資料科學在2010年變得非常興盛，但是那個時候CPU的計算力已經沒辦法滿足資料科學家的需求了。資料規模越來越大，但是計算力並沒有相應發展，等待時間也是越來越長。於是，NVIDIA推出了開源GPU加速平臺——RAPIDS，為資料科學家提供標準化的流水線式工具。

在當前的人工智慧浪潮中，深度學習與機器學習是兩個重要的技術。在Marc看來，深度學習在處理非結構化資料（比如語音、影象等）上的效果更好，而機器學習卻在結構化資料處理上效果更好。RAPIDS把深度學習的能力擴充套件到了大資料領域。

也就是說，RAPIDS把GPU最為擅長的深度學習優勢也帶到了機器學習領域，讓企業在處理結構化資料方面與在處理非結構化資料方面同樣獲得GPU的加速。據悉，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。這可幫助資料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。

RAPIDS平臺通過加速cuDF、cuML、cuGRAPH庫，英偉達能夠讓GPU加速計算應用到更多機器學習的演算法與場景當中，為資料科學家提供標準化的流水線式工具。比如在資料處理方面，RAPIDS將會通過資料準備、資料合併、資料降維三個步驟加速處理資料。

Marc表示，RAPIDS底層由CUDA支撐。他強調，RAPIDS加速有不同方式，一種方式是在CUDA上對軟體進行重新程式設計，第二種方式是使用CUDA軟體庫、cuML及機器學習的軟體庫，用來加速XGBOOST。第三種加速方式是在軟體應用層面的加速，比如：SAP或者Oracle的某些軟體功能已經可以通過GPU加速。

RAPIDS採用了開源的方式，可以非常完美地執行在GPU雲平臺，資料科學家只需要下載RAPIDS程式碼，就可以使用機器學習，不需要對現有程式碼進行太多修改。而且RAPIDS會保持不斷更新，使用者也可以將自己的需求反饋給NVIDIA，新的功能會不斷加入到新版本中，滿足使用者的需求。

目前英偉達正在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等，將更多的機器學習庫和功能引入RAPIDS。為了推動RAPIDS的廣泛應用，英偉達正努力將RAPIDS與分析及資料科學方面領先的開源框架Apache Spark進行整合。

在落地應用方面，RAPIDS目前已經被非常廣泛採用，比如華大基因、中國移動、平安科技等中國公司都宣佈引入它進行機器學習加速。例如，平安科技使用RAPIDS以及GPU加速的PCA和DBSCAN之後，工作流程執行速度加快了80倍，從幾天縮短到幾小時（包括資料載入和訓練時間），這有助於該公司主動做出預測並完善預防計劃。

華大基因使用XGBoost機器學習演算法，對用於癌症患者個性化免疫治療的靶向多肽進行分類。他們在NVIDIA DGX-1 AI超級計算機上執行RAPIDS平臺，將分析速度提高了17倍，並將多肽的分析範圍擴大至數百萬種。