数据科学和机器学习“利器” 揭秘英伟达RAPIDS平台

  在近日举办的GTC China 2018上，黄仁勋重点介绍了英伟达的RAPIDS平台。这款软件面向数据科学和机器学习，是一个开源的GPU加速平台。它的第一次亮相是在10月10日举办的GTC 欧洲大会上。

  用三个关键词来概括RAPIDS，是面向数据科学和机器学习、开源和软件平台。

  据统计数据表明，面向数据科学和机器学习的服务器市场每年价值约为200亿美元，加上科学分析和深度学习市场，高性能计算市场总价值大约为360亿美元。

  英伟达创始人兼CEO黄仁勋曾表示，“数据分析和机器学习是高性能计算市场中最大的细分市场，不过目前尚未实现加速。全球最大的行业均在海量服务器上运行机器学习算法，目的在于了解所在市场和环境中的复杂模式，同时迅速、精准地做出将直接影响其决策的预测。”

  其次，是它的开源特性。RAPIDS构建于Apache Arrow、pandas和scikit-learn等流行的开源项目之上，为最流行的Python数据科学工具链带来了GPU提速。

  同时，为了将更多的机器学习库和功能引入RAPIDS，NVIDIA广泛地与开源生态系统贡献者展开合作 ，其中包括Anaconda、BlazingDB等。

  并且，英伟达正在把RAPIDS与Apache Spark进行整合，进一步促进RAPIDS的广泛应用。

  更为重要的是，RAPIDS可以大大提高效率，节省时间。

  据悉，RAPIDS首次为数据科学家提供了他们需要用来在GPU上运行整个数据科学管线的工具。最初的RAPIDS基准分析利用了XGBoost机器学习算法在NVIDIA DGX-2™ 系统上进行训练，结果表明，与仅有CPU的系统相比，其速度能加快50倍。

  这可帮助数据科学家将典型训练时间从数天减少到数小时，或者从数小时减少到数分钟。

  目前，英伟达云上有600个应用程序，它们都是基于GPU加速，并且加速有不同的方式。

  “第一种方式，是在CUDA上对软件进行重新编程。第二种方式，则是使用CUDA软件库、CUML机器学习软件库，就是用来加速XGBOOST。而第三种方式，就是软件层面的加速，比如，使用SAP或Oracle的一些东西。” 英伟达解决方案架构与工程团队副总裁Marc Hamilton说。

  在他看来，RAPIDS可以把深度学习能力扩展到其他领域。深度学习适用于非结构化数据，比如语音、视频和图片等，而机器学习则主要用于结构化的数据。

  “但是RAPIDS并不是一个新算法，它不教人们怎么编译新码，而是把写好的放在CUDA上跑。因此，人们使用RAPIDS一般出于两个原因：一是数据科学家，希望自己的工作做得更快;二是不用学其他的软件，利用已有软件足矣。”他说。

  并且，RAPIDS可以在任何英伟达的GPU上跑。不过，最好还是数据和GPU有很好的契合。

  目前，华大基因世界上最大的基因组使用英伟达RAPIDS XGBOOST对癌症特异性肽和正常肽进行分类，比在CPU上快10倍。

  Marc Hamilton介绍了平安医疗智能辅助诊断“AI Doctor”。他表示，中国医院每年就诊人次高达80亿，利用人工智能，一些简单的症状就可以被诊断。在癌症治疗方案中，需要自己的免疫力去对抗癌细胞，但是在天然的免疫系统中，需要在免疫能力上再加上一定的用药。

  “这就需要利用人工智能的分类系统。即免疫系统加上疫苗，让癌症系统被你自身的免疫力所遏制。平安医疗使用XGBOOST对癌症正常度和特异性进行分类，还用它进行流行病的预测。” Marc Hamilton说。