在数据分析、机器学习和深度学习领域中工作的数据科学家们将能够借助NVIDIA全新CUDA-X AI库实现速度的大幅提升。
CUDA-X能够充分利用Tensor Core GPU的延展性,为以下领域提供加速:
CUDA-X加速数据科学。
在本届NVIDIA的GTC大会上推出的CUDA-X AI是唯一针对数据科学加速的端到端平台。
随着企业转而采用深度学习、机器学习和数据分析等人工智能技术来更有效地利用数据, CUDA-X AI也应运而生。
适用于数据处理、功能判定、训练、验证和部署的典型工作流程,CUDA-X AI让我们能够充分利用NVIDIA Tensor Core GPU的延展性来独特地处理此类端到端的AI管道。
CUDA-X AI包含十几个专用加速库,能够将机器学习和数据科学工作负载加速至高达50倍。它已经在通过cuDF加速数据分析;通过cuDNN加速深度学习原语;通过cuML加速机器学习算法;通过DALI加速数据处理等。
这些库结合在一起,就能够为典型AI工作流程中的每一步提供加速,无论是使用深度学习来训练语音和图像识别系统,还是通过数据分析来评估抵押贷款组合的风险状况。这些工作流程中的每一步都需要处理大量数据,且每一步都能够受益于GPU加速计算。
因此,CUDA-X AI已得到渣打银行、微软、PayPal、SAS和沃尔玛等顶尖公司所采用。它已集成至主流深度学习框架中,如TensorFlow、PyTorch和MXNet。全球主要云服务提供商均在使用CUDA-X AI来加速自身云服务。今日,全球八大计算机制造商宣布其数据科学工作站和服务器经优化后能够运行NVIDIA的CUDA-X AI库。
CUDA-X AI加速库可单独下载,亦作为NVIDIA NGC软件中心的容器化软件堆栈提供,均为免费。
其可部署于任何地方,包括台式机、工作站、服务器和云计算平台。
于昨日GTC发布的所有数据科学工作站中均已集成CUDA-X AI。且昨日发布的所有NVIDIA T4服务器均经优化,能够运行CUDA-X AI。
好文章,需要你的鼓励
Snap 推出 Lens Studio 的 iOS 应用和网页工具,让所有技能层次的用户都能通过文字提示和简单编辑,轻松创建 AR 镜头,包括生成 AI 效果和集成 Bitmoji,从而普及 AR 创作,并持续为专业应用提供支持。
这项研究由香港理工大学和新加坡国立大学的团队共同完成,提出了R?ec,首个将推理能力内置于大型推荐模型的统一框架。与传统方法不同,R?ec在单一自回归过程中实现了推理生成和物品预测的无缝整合。研究者还设计了RecPO优化框架,无需人工标注即可同时提升模型的推理和推荐能力。实验结果显示,R?ec在三个数据集上显著超越现有方法,在Hit@5和NDCG@20指标上分别提升68.67%和45.21%。这一突破为下一代智能推荐系统开辟了新方向。
这项研究提出了CURE框架,通过强化学习让大语言模型同时学习编写代码和生成单元测试两种能力,无需使用标准代码作为监督。团队开发的ReasonFlux-Coder模型在仅用4.5K编程问题训练后,便在多个基准测试中超越了同类模型,代码生成准确率提高5.3%,最佳N选1准确率提高9.0%。该方法不仅提升了模型性能,还提高了推理效率,同时为降低API调用成本和无标签强化学习提供了新思路。