本文屬于《解碼 AI》系列欄目，該系列的目的是讓技術(shù)更加簡(jiǎn)單易懂，從而解密 AI，同時(shí)向 RTX 工作站和 PC 用戶展示全新硬件、軟件、工具和加速特性。

AI 正幫助各行各業(yè)推動(dòng)創(chuàng)新和提高效率，但要充分發(fā)揮其潛力，必須基于海量的高質(zhì)量數(shù)據(jù)對(duì)各種模型進(jìn)行訓(xùn)練。數(shù)據(jù)科學(xué)家在準(zhǔn)備這類數(shù)據(jù)方面發(fā)揮著關(guān)鍵作用，在專業(yè)數(shù)據(jù)（通常為專有數(shù)據(jù)）對(duì)于增強(qiáng) AI 功能至關(guān)重要的特定領(lǐng)域尤其如此。

為了幫助數(shù)據(jù)科學(xué)家應(yīng)對(duì)日益增長(zhǎng)的工作負(fù)載需求，NVIDIA 發(fā)布了 RAPIDS cuDF 庫(kù)，以便用戶更輕松地處理數(shù)據(jù)，并且無(wú)需更改代碼即可加速 pandas 軟件庫(kù)。Pandas 是面向 Python 的一個(gè)靈活、功能強(qiáng)大的熱門數(shù)據(jù)分析和處理庫(kù)。借助 cuDF，數(shù)據(jù)科學(xué)家現(xiàn)在可以在他們首選的代碼庫(kù)上全速運(yùn)行數(shù)據(jù)處理。

NVIDIA RTX AI 硬件和技術(shù)也可以加速數(shù)據(jù)處理。這包括強(qiáng)大的 GPU，可提供在各個(gè)層面快速高效地加速 AI 所需的計(jì)算性能 — 從數(shù)據(jù)科學(xué)工作流到 PC 和工作站上的模型訓(xùn)練和定制。

數(shù)據(jù)科學(xué)的瓶頸

最常用的數(shù)據(jù)格式是按行和列組織的表格數(shù)據(jù)。小型數(shù)據(jù)集可以使用 Excel 等電子表格工具進(jìn)行管理，但是，包含數(shù)千萬(wàn)行的數(shù)據(jù)集和建模工作流通常依賴于采用了例如 Python 等編程語(yǔ)言的 DataFrame 程序庫(kù)。

Python 是進(jìn)行數(shù)據(jù)分析時(shí)的熱門選擇，主要是因?yàn)?pandas 庫(kù)采用易于使用的應(yīng)用編程接口（API）。然而，隨著數(shù)據(jù)集的規(guī)模不斷增長(zhǎng)，pandas 在純 CPU 系統(tǒng)中難以實(shí)現(xiàn)理想的處理速度和效率。該庫(kù)在處理文本密集型數(shù)據(jù)集時(shí)的性能也為人所詬病，而對(duì)大語(yǔ)言模型來(lái)說(shuō)，這是一種重要的數(shù)據(jù)類型。

當(dāng)數(shù)據(jù)需求超出 pandas 的能力時(shí)，數(shù)據(jù)科學(xué)家會(huì)面臨兩難境地：要么忍受緩慢的處理速度，要么采取復(fù)雜且成本高昂的措施，即轉(zhuǎn)而采用更高效但對(duì)用戶不夠友好的工具。

使用 RAPIDS cuDF加速預(yù)處理工作流

RAPIDS cuDF 配合 RTX AI PC 和工作站，可為熱門的 pandas 軟件庫(kù)提供最高達(dá) 100 倍加速

借助 RAPIDS cuDF，數(shù)據(jù)科學(xué)家現(xiàn)在可以在他們首選的代碼庫(kù)上全速運(yùn)行數(shù)據(jù)處理。RAPIDS 是一套開(kāi)源 GPU 加速的 Python 庫(kù)，旨在改進(jìn)數(shù)據(jù)科學(xué)和分析工作流。cuDF 是一個(gè) GPU DataFrame 庫(kù)，可提供類似于 pandas 的 API 來(lái)加載、過(guò)濾和操作數(shù)據(jù)。

使用 cuDF 的“pandas 加速器模式”，數(shù)據(jù)科學(xué)家可以在 GPU 上運(yùn)行現(xiàn)有的 pandas 代碼，充分利用強(qiáng)大的并行處理功能，并可放心的將代碼在必要時(shí)移植到 CPU 上。這種互通性提供了出色、可靠的性能。

最新版本的 cuDF 支持更大規(guī)模的數(shù)據(jù)集和數(shù)十億行的表格文本數(shù)據(jù)。這樣，數(shù)據(jù)科學(xué)家就能夠使用 pandas 代碼來(lái)預(yù)處理生成式 AI 的數(shù)據(jù)。

在 NVIDIA RTX 加持的 AI 工作站

和 PC 上加速數(shù)據(jù)科學(xué)

最近的一項(xiàng)研究表明，57% 的數(shù)據(jù)科學(xué)家使用 PC、臺(tái)式機(jī)或工作站等本地資源來(lái)執(zhí)行數(shù)據(jù)科學(xué)任務(wù)。

從 NVIDIA GeForce RTX 4090 GPU 開(kāi)始，數(shù)據(jù)科學(xué)家可以實(shí)現(xiàn)顯著的速度提升。隨著數(shù)據(jù)集規(guī)模不斷增長(zhǎng)，處理工作占用更多內(nèi)存，相比于基于傳統(tǒng) CPU 的解決方案，在工作站中配合使用 cuDF 和 NVIDIA RTX 5880 Ada 架構(gòu) GPU，可以將性能提升多達(dá) 100 倍。

y 軸表示兩種常見(jiàn)的數(shù)據(jù)科學(xué)操作—“join”和“groupby”，而 x 軸顯示運(yùn)行每項(xiàng)操作所需的時(shí)間

數(shù)據(jù)科學(xué)家可以在 NVIDIA AI Workbench 上輕松開(kāi)始使用 RAPIDS cuDF。利用這個(gè)基于容器的免費(fèi)開(kāi)發(fā)者環(huán)境管理器，數(shù)據(jù)科學(xué)家和開(kāi)發(fā)者可以跨 GPU 系統(tǒng)創(chuàng)建、遷移 AI 和數(shù)據(jù)科學(xué)工作負(fù)載并進(jìn)行協(xié)作。用戶可以從 NVIDIA GitHub 倉(cāng)庫(kù)中提供的幾個(gè)示例項(xiàng)目開(kāi)始，例如 cuDF AI Workbench 項(xiàng)目。

HP AI Studio 也默認(rèn)支持 cuDF，這是一個(gè)集中式數(shù)據(jù)科學(xué)平臺(tái)，旨在幫助 AI 開(kāi)發(fā)者將其開(kāi)發(fā)環(huán)境從工作站無(wú)縫復(fù)制到云端。這便于他們創(chuàng)建、開(kāi)發(fā)項(xiàng)目并進(jìn)行協(xié)作，而無(wú)需管理多個(gè)環(huán)境。

在 RTX 加持的 AI PC 和工作站上，cuDF 的優(yōu)勢(shì)并不僅限于提升原始性能。還包括：

在強(qiáng)大的 GPU 上進(jìn)行固定成本的本地開(kāi)發(fā)，并可以無(wú)縫復(fù)制到本地部署的服務(wù)器或云實(shí)例，從而節(jié)省時(shí)間和支出。

加快數(shù)據(jù)處理以實(shí)現(xiàn)更快迭代，以便數(shù)據(jù)科學(xué)家以交互式的速度進(jìn)行實(shí)驗(yàn)、優(yōu)化并從數(shù)據(jù)集中產(chǎn)生洞察。

實(shí)現(xiàn)更有效的數(shù)據(jù)處理，以在后續(xù)工作流獲得更好的模型結(jié)果。

數(shù)據(jù)科學(xué)的新時(shí)代

隨著 AI 和數(shù)據(jù)科學(xué)的不斷發(fā)展，快速處理和分析大量數(shù)據(jù)集的能力將成為各行業(yè)實(shí)現(xiàn)突破的關(guān)鍵差異化因素。無(wú)論是開(kāi)發(fā)復(fù)雜的機(jī)器學(xué)習(xí)模型、執(zhí)行復(fù)雜的統(tǒng)計(jì)分析還是探索生成式 AI，RAPIDS cuDF 都可為新一代數(shù)據(jù)處理奠定基礎(chǔ)。

NVIDIA 正通過(guò)增加對(duì)最熱門的 DataFrame 工具的支持來(lái)鞏固這一基礎(chǔ)，其中包括 Polars，它是增長(zhǎng)最快的 Python 庫(kù)之一，與其他開(kāi)箱即用的純 CPU 工具相比，可幫助顯著加速數(shù)據(jù)處理。

Polars 本月宣布推出由 RAPIDS cuDF 提供支持的 Polars GPU 引擎公開(kāi)測(cè)試版。Polars 用戶現(xiàn)在可以將本已極快的 DataFrame 庫(kù)性能提升多達(dá) 13 倍。

RTX AI 為未來(lái)的工程師創(chuàng)造無(wú)限可能

無(wú)論在大學(xué)數(shù)據(jù)中心、GeForce RTX 筆記本電腦還是 NVIDIA RTX 工作站上運(yùn)行，NVIDIA GPU 都可加速學(xué)習(xí)過(guò)程。數(shù)據(jù)科學(xué)領(lǐng)域及其他領(lǐng)域的學(xué)生將增強(qiáng)其學(xué)習(xí)體驗(yàn)，并通過(guò)廣泛應(yīng)用于現(xiàn)實(shí)世界應(yīng)用的硬件獲得實(shí)戰(zhàn)經(jīng)驗(yàn)。

生成式 AI 正在深入改變游戲、視頻會(huì)議和各種交互體驗(yàn)。