北京時間11月10日消息（余予）在今日召開的“ GTC大會”上，英偉達推出了包括庫、代碼示例和指南在內(nèi)的65個新的和更新的軟件開發(fā)工具包，為正在推動各種計算挑戰(zhàn)前沿的數(shù)據(jù)科學家、研究人員、學生和開發(fā)人員帶來改進的特性和功能。

英偉達創(chuàng)始人兼首席執(zhí)行官黃仁勛（Jensen Huang）在其主題演講中宣布，新增功能包括用于加速量子計算的下一代SDK、最后一英里交付算法和圖神經(jīng)網(wǎng)絡(luò)。

英偉達創(chuàng)始人兼首席執(zhí)行官黃仁勛（圖源：英偉達官網(wǎng)）

英偉達開發(fā)人員計劃的近300萬成員依賴于該公司超過150個加速計算套件，這一數(shù)字在過去五年中增長了6倍。CUDA是并行計算平臺和編程模型，僅去年一年就被下載了700萬次，目前自發(fā)布以來已達到3000萬次。

進入新市場

新的 SDK 包括：

·用于實時物流的NVIDIA ReOpt，引入了先進的大規(guī)模并行算法，可優(yōu)化車輛路線、倉庫選擇和車隊組合。其動態(tài)改道功能可以減少旅行時間、節(jié)省燃料成本并最大限度地減少閑置時間，可能為物流和供應鏈行業(yè)節(jié)省數(shù)十億美元。

·用于數(shù)組計算的cuNumeric，實現(xiàn)了NumPy應用程序編程接口，可自動伸縮到多GPU和多節(jié)點系統(tǒng)，而無需更改代碼，這為使用Python的2000萬強大的數(shù)據(jù)科學家、研究人員和科學家社區(qū)提供了價值。它現(xiàn)可以在GitHub和Conda上使用，可以擴展到數(shù)千個GPU，為PyData和NumPy生態(tài)系統(tǒng)創(chuàng)建加速計算。

·用于量子計算的cuQuantum，使大型量子電路的模擬速度顯著加快，從而使量子研究人員可以研究更廣闊的算法和應用空間。其次，開發(fā)人員可以模擬諸如分子的近期變分量子算法和糾錯算法等領(lǐng)域，以識別容錯，并加速來自Atos、谷歌和IBM的流行量子模擬器。

·用于圖神經(jīng)網(wǎng)絡(luò)的CUDA-X 加速DGL容器，為使用大型圖的GNN工作的開發(fā)人員和數(shù)據(jù)科學家提供了一種快速設(shè)置工作環(huán)境的方法。該容器使其可以輕松地在集成的、GPU加速的GNN環(huán)境中結(jié)合DGL和Pytorch工作。同時，使用GPU加速的GNN，即使是世界上最大的圖，在單個圖中接近1萬億條邊，也可以被挖掘以獲取洞察力。例如，Pinterest使用具有數(shù)十億個節(jié)點和邊的圖神經(jīng)網(wǎng)絡(luò)，基于 GPU 和用于模型訓練和推理的優(yōu)化庫，來了解其超過3000億個Pin的生態(tài)系統(tǒng)。

“我們的團隊很高興與英偉達合作，通過用于圖形構(gòu)建的RAPIDS cuDF、用于圖形采樣的RAPIDS cuGraph和用于GNN的自定義計算內(nèi)核來加速DGL，”亞馬遜網(wǎng)絡(luò)服務(wù)機器學習總監(jiān)Alex Smola表示，“DGL 是開源的，也可以通過Amazon NeptuneML提供托管服務(wù)。”

除此之外，在上述新增SDK中，cuQuantum正被量子計算行業(yè)的許多其他領(lǐng)先企業(yè)采用。包括橡樹嶺、阿貢、勞倫斯伯克利國家實驗室和西北太平洋國家實驗室在內(nèi)的國家實驗室，加州理工學院、牛津大學和麻省理工學院的大學研究團隊，以及包括IonQ在內(nèi)的公司都在將cuQuantum整合到他們的工作流程中。

總部位于巴黎的量子計算初創(chuàng)公司Pasqal購買了英偉達DGX POD，利用cuQuantum進行大規(guī)模模擬。這家初創(chuàng)公司的創(chuàng)新將用于加速藥物設(shè)計和智能移動等領(lǐng)域的工作。

Pasqal首席技術(shù)官Loic Henriet表示，“對量子系統(tǒng)進行強大的、大規(guī)模模擬的能力對我們的工作至關(guān)重要。cuQuantum軟件與DGX A100硬件的結(jié)合將大大加快我們的進步。”

同時，為幫助開發(fā)者入門，英偉達將模擬軟件放在一個容器中，該容器經(jīng)過優(yōu)化，可以在英偉達DGX A100系統(tǒng)運行，從而創(chuàng)建DGX量子設(shè)備。

它包括谷歌的Cirq框架和qsim模擬器，以及cuQuantum和英偉達高性能計算SDK。該軟件將于明年初在英偉達的NGC目錄中提供。

SDK更新 加速應用程序開發(fā)

對英偉達中包括Clara、DLSS、RTX、Nsight和Isaac套件在內(nèi)的一系列最受歡迎的SDK進行了增強功能和升級。

其他更新的SDK包括：

·用于數(shù)據(jù)科學的RAPIDS 21.10增加了處理時間序列數(shù)據(jù)的新功能，并對現(xiàn)有算法進行了若干加速。適用于Apache Spark 3.0 的RAPIDS Accelerator允許企業(yè)在不更改代碼的情況下加速其在NVIDIA GPU上的分析操作。今年RAPIDS 的下載量增長了400%，這是NVIDIA最受歡迎的SDK之一。

·用于智能視頻分析的Deepstream 6.0引入了一個新的圖形編輯器界面，使用戶能夠以最少的編碼能力訪問計算機視覺，并為簡單、直觀的AI產(chǎn)品開發(fā)流程提供可視化拖放界面。

·用于深度神經(jīng)網(wǎng)絡(luò)的Triton 2.15、TensorRT 8.2 和cuDNN 8.4，為大型語言模型和梯度提升決策樹和隨機森林的推理加速提供了新的優(yōu)化。

·用于數(shù)據(jù)中心網(wǎng)絡(luò)的DOCA 1.2，提供了一個零信任安全框架，通過硬件和軟件身份驗證、線速數(shù)據(jù)加密、分布式防火墻和智能遙測擴展了威脅保護。

·用于推薦系統(tǒng)的Merlin 0.8增加了可以在很少或沒有用戶數(shù)據(jù)的情況下預測用戶的下一步動作的新功能，并支持比GPU內(nèi)存更大的模型。

SDK 的新培訓課程

據(jù)IDC稱，全球全職開發(fā)人員的短缺預計將從2021年的140萬增加到2025年的400萬。同時IDC認為，解決這一短缺的長期解決方案是創(chuàng)建能夠教育和賦權(quán)的基礎(chǔ)設(shè)施。

英偉達深度學習學院的兩門新課程支持并加速開發(fā)人員學習和使用SDK，為40多門課程的DLI增加了新內(nèi)容。

·目前已經(jīng)推出的《Introduction to DOCA for DPUs》是一門自學課程，為開發(fā)人員、研究人員和學生提供NVIDIA DOCA作為在NVIDIA BlueField DPU上加速數(shù)據(jù)中心計算的支持平臺的基本概念。

·《Building Real-time Video AI Applications》這一課程將于本月晚些時候推出，內(nèi)容包括將原始視頻數(shù)據(jù)轉(zhuǎn)換為基于深度學習的實時洞察，使用NVIDIA DeepStream智能視頻分析和NVIDIA TAO工具包實現(xiàn)硬件加速組件，以構(gòu)建高性能流媒體管道。

與新SDK一同增加的DLI 課程包括：

·由講師指導的加速數(shù)據(jù)科學基礎(chǔ)知識和自定進度的加速端到端數(shù)據(jù)科學工作流，通過使用NVIDIA RAPIDS加速數(shù)據(jù)科學庫來應用各種GPU加速機器學習算法，包括XGBoost、cuGRAPH的單-源最短路徑，以及cuML的KNN、DBSCAN 和邏輯回歸以進行大規(guī)模數(shù)據(jù)分析。

·構(gòu)建智能推薦系統(tǒng)包括NVIDIA Merlin 和其他用于構(gòu)建高效推薦系統(tǒng)的基本工具和技術(shù)，以及如何為實時推薦部署GPU加速解決方案。

面向企業(yè)AI的SDK

NVIDIA AI Enterprise 軟件套件包括Triton和RAPIDS等SDK，可在主流加速服務(wù)器上運行，并由NVIDIA 優(yōu)化、認證和支持。同時，開發(fā)人員可以利用NVIDIA LaunchPad程序在精心策劃的實驗室中體驗NVIDIA AI Enterprise。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。