基于IBM POWER9的PowerAI、IBM Cloud和IBM Watson Studio将支持全新GPU加速软件库RAPIDS
2018年10月,IBM(NYSE: IBM)宣布计划将全新RAPIDS开源软件纳入到其企业级数据科学平台中,涵盖本地预置、混合云和多云环境。凭借其庞大的深度学习与机器学习解决方案组合,IBM能为偏好不同部署模型的数据科学家提供这一开源技术。
IBM认知系统方案高级副总裁Bob Picciano表示:“IBM长期与NVIDIA合作,利用IBM POWER9处理器,结合NVIDIA GPU等技术,实现显著的性能提升。我们将RAPIDS纳入IBM产品组合的同时,也期待能够继续积极地帮助客户突破 人工智能 的性能界限。”
借助Apache Arrow、Pandas和Scikit-Learn等开源机器学习软件的优势,RAPIDS将GPU的加速能力融入IBM产品中。包括Anaconda、BlazingDB、Graphistry、NERSC、PyData、INRIA和Ursa Labs在内的主要开源贡献者,都在RAPIDS推出后立即给予了其广泛的生态系统支持。
IBM计划将RAPIDS引入本地预置、公有云、混合云与多云环境等主要领域,同时基于IBM POWER9的PowerAI将借助RAPIDS为数据科学家扩展更多开源机器学习与分析库的可用选项。事实证明,NVIDIA与IBM围绕POWER9处理器所做的专项工程,包括将NVIDIA NVLink 和NVIDIA Tesla TensorCore GPU进行集成所做的努力,直接有利于加速工作负载。作为IBM的软件层,如今PowerAI可以优化运行在异构计算系统上的数据科学与 AI 工作负载,同时借助RAPIDS持续提升POWER9上经GPU加速后的工作负载的性能。
IBM Watson Studio与Watson机器学习(Watson Machine Learning)利用NVIDIA GPU的强大功能,使数据科学家和AI开发人员能够透过IBM Cloud Private for Data 和IBM Cloud,在多云环境中构建、部署和运行速度更快的模型,远超仅采用CPU的部署方式。
IBM Cloud能够帮助采用GPU设备的用户,将RAPIDS中的加速机器学习与分析库应用于其云端应用,从而受益于机器学习。
NVIDIA副总裁、加速计算部总经理Ian Buck表示:“IBM与NVIDIA多年来密切合作,已经帮助全球领先的企业和机构解决了诸多如今世界上最大的难题。随着IBM对NVIDIA RAPIDS开源库的使用,数据科学家将借助GPU加速机器学习能力,以前所未有的速度更快地分析大数据。”
机器学习是AI的一种形式,可以让系统透过数据而非专用程序进行学习。零售、金融和电信等领域的众多企业要么正在主动使用机器学习,要么正在探索机器学习,都试图利用大数据更好地了解消费者的行为、偏好或客户满意度中微妙的变化,从而为企业带来潜在的价值。
今年早些时候,IBM以超出之前纪录保持者46倍的速度,在兆级机器学习基准上缔造了新的纪录。IBM研究人员利用IBM Research开发的IBM Snap Machine Learning(Snap ML)机器学习算法,在搭载NVIDIA Tesla V100 Tensor Core GPU的IBM Power Systems AC922服务器上运行,仅花费91.5秒就基于由Criteo Labs发布的超40亿个在线广告数据案例,完成了对逻辑回归分类器的训练。
【本文版权归存储在线所有,未经许可不得转载。文章仅代表作者看法,如有不同观点,欢迎添加存储在线微信公众号(微信号:doitmedia)进行交流。】
以上所述就是小编给大家介绍的《IBM与NVIDIA携手为数据科学家拓展开源机器学习工具》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 开源工具Arena,数据科学家再也不用为Kubernetes犯难啦
- 阿里科学家 | 蚂蚁AI首席科学家漆远: 用AI和爱, 让我们遇见更美好的未来
- 深睿医疗首席科学家俞益洲入选2019 IEEE Fellow、2018ACM杰出科学家
- 下一站:科学家
- 菜鸟数据科学家五大误区
- 如何成为数据科学家?数据科学业界大牛们倾囊相授
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
算法:C语言实现
塞奇威克 / 霍红卫 / 机械工业出版社 / 2009-10 / 79.00元
《算法:C语言实现(第1-4部分)基础知识、数据结构、排序及搜索(原书第3版)》细腻讲解计算机算法的C语言实现。全书分为四部分,共16章。包括基本算法分析原理,基本数据结构、抽象数据结构、递归和树等数据结构知识,选择排序、插入排序、冒泡排序、希尔排序、快速排序方法、归并和归并排序方法、优先队列与堆排序方法、基数排序方法以及特殊用途的排序方法,并比较了各种排序方法的性能特征,在进一步讲解符号表、树等......一起来看看 《算法:C语言实现》 这本书的介绍吧!