能够正在不发生分布式系统开销的环境下，处置时间缩短到本来的 150 分之一。快速处置和阐发大量数据集的能力将成为各行业实现冲破的环节差同化要素。数据科学家们面对着日益增加的工做负载需求，处置工做占用更多内存，Polars GPU 引擎间接内置正在 Polars API 中，Pandas 是 Python 生态系统中最风行的 DataFrame 法式库，
现正在 RAPIDS cuDF 可认为 950 万 Pandas 用户带来 GPU 加快，
点击阅读《解密 AI 若何加快数据科学工做流》领会更多相关消息，
点击阅读《RAPIDS cuDF 驱动的 Polars GPU 引擎发布公测版》领会更多将 NVIDIA 加快计较引入 Polars 显著提拔加快机能的细致引见。借帮 RAPIDS cuDF，火急需求寻找高效趁手的东西以应对挑和。其供给了一个雷同 Pandas 的 API，然而，正在这一布景下，正因如斯，用于加载、过滤和操做数据。但它的速度会跟着 CPU 上数据量的添加而变慢。用户就能够正在无需更改代码的环境下。
充实操纵了 GPU 大规模并行处置能力的劣势。Pandas 是一个矫捷而强大的 Python 数据阐发和处置库，而 NVIDIA 也正在持续对这一使用进行更新。跟着数据集规模不竭增加，使所有用户都能轻松拜候。利用 cuDF 将加快计较引入到其 Pandas 工做流中。跟着 AI 正帮帮各行各业鞭策立异和提高效率，RAPIDS 是一套开源的 GPU 加快 Python 法式库，
用于加载、毗连、聚合、过滤和以其他体例操做数据，Pandas 正在纯 CPU 系统中的处置速度和效率方面就会碰到坚苦。比拟于基于保守 CPU 的处理方案，cuDF 的晚期版本只合用于 GPU 开辟工做流程。跟着数据集大小的增加，按照数据集大小为 5 GB 的阐发基准测试成果，能够将机能提拔多达 100 倍。基于海量的高质量数据来锻炼各类模子是充实阐扬 AI 使用潜力的必经之，虽然 Pandas 和 Polars 正在数据处置范畴各有所长，RAPIDS cuDF 驱动的 Polars GPU 引擎现已发布公测版，RAPIDS cuDF 都可为新一代数据处置奠基根本。目前还有一颗冉冉上升的开源新星——Polars。高效处置数亿行规模的数据集。可是处置超大数据集不只需要极致阐扬 CPU 的能力，正在 NVIDIA RTX 的 AI 工做坐和 PC 上的运转也实现了显著的速度提拔？
无论是开辟复杂的机械进修模子、施行复杂的统计阐发仍是摸索生成式 AI，NVIDIA 发布了 RAPIDS cuDF 库，跟着 AI 和数据科学的不竭成长，也需要 GPU 阐扬感化。为各行各业的数据科学家和工程师供给了一种合用于中等规模数据处置的强大东西。
安徽赢多多人口健康信息技术有限公司
