评论：Nvidia的Rapids将Python分析引入GPU
建立机器学习模型是一个重复的过程。 这通常是死记硬背，是“循环中最快的胜利”游戏，因为您可以越快地进行迭代，就越容易探索新的理论并获得良好的答案。 这就是当今实际的企业使用AI由大型企业主导的原因之一，而大型企业可能会为此投入大量资源。
Rapids是由Nvidia孵化的几个开源项目的保护伞，该项目将整个处理流程放在GPU上，消除了I / O绑定的数据传输，同时还大大提高了每个步骤的速度。 它还为数据提供了一种通用格式，从而减轻了在不同系统之间交换数据的负担。 在用户级别，Rapids模仿了Python API，以简化该用户群的过渡。
Tidyverse食谱 典型的机器学习工作流程
急流生态系统架构
Rapids项目旨在在很大程度上复制Python的机器学习和数据分析API，但复制的是GPU，而不是CPU。 这意味着Python开发人员已经拥有了在GPU上运行所需的一切，而无需了解CUDA编程和并行操作的底层细节。 Pythonista的开发人员可以在未启用GPU的计算机上开发代码，然后进行一些调整，即可在所有可用的GPU上运行它们。