NVIDIA公共cuNumeric将GPU加速超级计算引入NumPy生态系统中

英伟达宣布推出公开的 cuNumeric。这种替换库 NumPy 的下降，将英伟达平台上的分布式和加速计算引入到大型和不断增长的 Python 社区和 PyDATA 生态系统中。

Python 已成为数据科学、机器学习和生产性数值计算中使用最广泛的语言。 NumPy 是事实上的标准库，提供了简单易用的编程模型。该接口与科学应用的数学要求密切相关，使其成为许多最广泛使用的数据科学和机器学习编程环境的基础。

随着数据集和程序的规模和复杂性不断增加，人们越来越需要利用计算资源，这远远超出了单一 CPU 节点所能提供的功能。 cuNumeric 将 GPU 加速超级计算引入 NumPy 生态系统。下图显示了轻松扩展到 1000 GPU 秒以上的功能。

图 1 。 cuNumeric 显示可扩展到一千 GPU 秒以上。

NVIDIA cuNumeric 库的关键利益：

透明地加速和扩展现有 NumPy 工作流。

提供无缝的导入式 NumPy 替换。

为 CPU 和 GPU 中的多个节点提供自动并行和加速。

最佳可扩展到数千 GPU 。

需要零代码更改以确保开发人员的工作效率。

可通过 GitHub 和 Conda 免费获取。

关于作者

Jay Gould 是 NVIDIA 的高级产品营销经理，专注于 GPU 加速应用程序的 HPC 软件和平台。在 NVIDIA 之前，他曾在 Cray 、 Xilinx 和顶级 csp 从事高性能计算工作。杰伊在哈维·穆德学院获得学士学位。

审核编辑：郭婷