NVIDIA lança novas bibliotecas de computação acelerada: NVIDIA ReOpt, cuQuantum, cuNumeric, cuGraph, Modulus, Morpheus, NeMo Megatron, RAPIDS e mais
São 65 kits de desenvolvimento de software para acelerar a computação quântica, last-mile delivery e supercomputação para o ecossistema PyData, que ampliam o catálogo de mais de 150 ofertas
A NVIDIA acaba de laçar 65 kits de desenvolvimento de software, entre novidades e atualizações, incluindo bibliotecas, amostras de código e guias, que trazem recursos e capacidades aprimorados para cientistas de dados, pesquisadores, estudantes e desenvolvedores que estão avançando nas fronteiras de uma ampla gama de desafios de computação. Entre as novas bibliotecas de computação acelerada atualizadas estão: NVIDIA ReOpt, cuQuantum, cuNumeric, cuGraph, Modulus, Morpheus, NeMo Megatron, Riva, RAPIDS, DOCA e mais dezenas de outras.
As adições, anunciadas pelo fundador e CEO da NVIDIA, Jensen Huang, durante sua apresentação no GTC, incluem SDKs de próxima geração para acelerar a computação quântica, algoritmos last-mile delivery e mineração de redes neurais para gráficos.
O catálogo da empresa conta com mais de 150 kits de computação acelerada e é usado por quase 3 milhões de membros do Programa para Desenvolvedores da NVIDIA, um número que cresceu seis vezes nos últimos cinco anos. CUDA, a plataforma de computação paralela e modelo de programação, foi baixado 7 milhões de vezes apenas no ano passado e atualmente está em 30 milhões desde o seu lançamento.
“Nos orgulhamos de nosso portifólio de soluções, pois elas atendem às mais diversas necessidades de nossos clientes. Essas atualizações e novidades são o resultado do trabalho duro de nossa equipe de profissionais dedicada, e com elas faremos grandes coisas no mundo da tecnologia”, afirma Marcio Aguiar, diretor da divisão Enterprise da NVIDIA na América Latina.
Alcançando novos mercados
Entre os novos SDKs estão:
NVIDIA ReOpt, para logística em tempo real: apresenta algoritmos avançados e massivamente paralelos que otimizam as rotas dos veículos, a seleção do armazém e a combinação da frota. As capacidades dinâmicas de redirecionamento podem reduzir o tempo de viagem, economizar custos de combustível e minimizar os períodos de inatividade, potencialmente economizando bilhões para as indústrias de logística e cadeia de suprimentos;
cuNumeric, para computação em array: implementa a interface de programação de aplicação NumPy para escalonamento automático para sistemas multi-GPU e multi-nó com alterações de código zero - um valor para a forte comunidade de 20 milhões de cientistas de dados, pesquisadores e cientistas usando Python. Disponível agora no GitHub e Conda, ele pode ser escalado para milhares de GPUs, criando computação acelerada para o ecossistema PyData e NumPy;
cuQuantum, para computação quântica: permite que grandes circuitos quânticos sejam simulados muito mais rápido, permitindo que pesquisadores quânticos estudem um espaço mais amplo de algoritmos e aplicações. Os desenvolvedores podem simular áreas como algoritmos quânticos variacionais de curto prazo para moléculas e algoritmos de correção de erros, a fim de identificar tolerância a falhas, bem como acelerar simuladores quânticos populares do Google e da IBM;
Contêiner DGL acelerado CUDA-X, para redes neurais de gráfico: oferece aos desenvolvedores e cientistas de dados que trabalham em GNNs, com grandes gráficos, uma maneira rápida de configurar um ambiente de trabalho. O contêiner facilita o trabalho em um ambiente GNN acelerado por GPU integrado, combinando DGL e Pytorch. Com GNNs acelerados por GPU, mesmo os maiores gráficos do mundo, se aproximando de um trilhão de arestas em um único gráfico, podem ser explorados para insights. Por exemplo, o Pinterest usa redes neurais de gráfico com bilhões de nós e bordas para entender seu ecossistema de mais de 300 bilhões de Pins, com base em GPUs e bibliotecas otimizadas para treinamento e inferência de modelos.
“Nossa equipe tem o prazer de colaborar com a NVIDIA para acelerar o DGL por meio de RAPIDS cuDF para construção de gráficos, RAPIDS cuGraph para amostragem de gráficos e kernels de computação personalizados para GNNs”, afirma Alex Smola, diretor de machine learning da Amazon Web Services. “O DGL é de código aberto e também está disponível como um serviço gerenciado via Amazon NeptuneML”.
SDKs atualizados aceleram o desenvolvimento de aplicações
Recursos e atualizações aprimorados foram feitas na série de SDKs mais populares da NVIDIA, incluindo os kits Clara, DLSS, RTX, Nsight e Isaac. Os SDKs atualizados adicionais incluem:
RAPIDS 21.10, para ciência de dados: oferece novas funções para trabalhar com dados de séries temporais e vários speedups para algoritmos existentes. O RAPIDS Accelerator para Apache Spark 3.0 permite que as empresas acelerem suas operações analíticas em GPUs NVIDIA sem alterações de código. Com os downloads RAPIDS crescendo 400% este ano, este é um dos SDKs mais populares da NVIDIA;
Deepstream 6.0, para análise de vídeo inteligente: apresenta uma nova interface de composição gráfica que torna a visão computacional acessível aos usuários com capacidade mínima de codificação e uma interface visual de arrastar e soltar para um fluxo de desenvolvimento de produto de IA simples e intuitive;
Triton 2.15, TensorRT 8.2 e cuDNN 8.4, para redes neurais profundas: fornece novas otimizações para grandes modelos de linguagem e aceleração de inferência para árvores de decisão com gradiente aumentado e florestas aleatórias;
DOCA 1.2, para rede de data center: oferece uma estrutura de segurança de confiança zero que estende a proteção contra ameaças por meio de autenticação de hardware e software, criptografia de dados de taxa de linha, firewall distribuído e telemetria inteligente;
Merlin 0.8, para sistemas de recomendação: tem novos recursos para prever a próxima ação de um usuário com poucos ou nenhum dado do usuário e suporte para modelos maiores do que a memória GPU.
Novos cursos de treinamento para SDKs
A escassez global de desenvolvedores em tempo integral deve aumentar de 1,4 milhão em 2021 para 4 milhões em 2025, de acordo com o IDC. A empresa analista acredita que a solução de longo prazo para corrigir essa carência é criar uma infraestrutura que eduque e capacite.
Dois novos cursos do Deep Learning Institute da NVIDIA oferecem suporte e aceleram o aprendizado do desenvolvedor e seu uso de SDKs, adicionando ao catálogo DLI de mais de 40 cursos.
Introdução ao DOCA para DPUs, disponível agora, é um curso individualizado que fornece aos desenvolvedores, pesquisadores e alunos os conceitos básicos do NVIDIA DOCA como uma plataforma de capacitação para computação de data center acelerada em DPUs NVIDIA BlueField;
Criação de aplicativos de IA de vídeo em tempo real, disponível no final do mês de novembro, cobre a transformação de dados de vídeo brutos em percepções baseadas em deep learning em tempo real, usando análise de vídeo inteligente NVIDIA DeepStream e o kit de ferramentas NVIDIA TAO para implementar componentes acelerados por hardware para construção um pipeline de streaming de alto desempenho.
Os cursos DLI que se alinham com os novos SDKs incluem:
curso Fundamentos da Ciência de Dados Acelerados, ministrado por um instrutor, e o curso Fluxos de Trabalho de Ciência de Dados de Ponta-a-Ponta Acelerados, auto administrado, usam bibliotecas de ciência de dados com aceleração RAPIDS da NVIDIA para aplicar uma ampla variedade de algoritmos de machine learning acelerados por GPU, incluindo XGBoost, cuGRAPH, de caminho mais curto e de fonte única e KNN, DBSCAN e regressão logística de cuML para realização de análise de dados em escala;
Construção de Sistemas de Recomendação Inteligentes cobre o NVIDIA Merlin e outras ferramentas e técnicas fundamentais para a construção de sistemas de recomendação altamente eficazes, bem como a implementação de soluções aceleradas por GPU para recomendações em tempo real.
SDKs para Enterprise AI
O pacote de software NVIDIA AI Enterprise, que inclui SDKs como Triton e RAPIDS, é executado em servidores acelerados convencionais e é otimizado, certificado e suportado pela NVIDIA. Os desenvolvedores podem aproveitar as vantagens do programa NVIDIA LaunchPad para experimentar o NVIDIA AI Enterprise em laboratórios com curadoria.
Visite a área NVIDIA Developer para saber mais.
A NVIDIA acaba de laçar 65 kits de desenvolvimento de software, entre novidades e atualizações, incluindo bibliotecas, amostras de código e guias, que trazem recursos e capacidades aprimorados para cientistas de dados, pesquisadores, estudantes e desenvolvedores que estão avançando nas fronteiras de uma ampla gama de desafios de computação. Entre as novas bibliotecas de computação acelerada atualizadas estão: NVIDIA ReOpt, cuQuantum, cuNumeric, cuGraph, Modulus, Morpheus, NeMo Megatron, Riva, RAPIDS, DOCA e mais dezenas de outras.As adições, anunciadas pelo fundador e CEO da NVIDIA, Jensen Huang, durante sua apresentação no GTC, incluem SDKs de próxima geração para acelerar a computação quântica, algoritmos last-mile delivery e mineração de redes neurais para gráficos.
O catálogo da empresa conta com mais de 150 kits de computação acelerada e é usado por quase 3 milhões de membros do Programa para Desenvolvedores da NVIDIA, um número que cresceu seis vezes nos últimos cinco anos. CUDA, a plataforma de computação paralela e modelo de programação, foi baixado 7 milhões de vezes apenas no ano passado e atualmente está em 30 milhões desde o seu lançamento.
“Nos orgulhamos de nosso portifólio de soluções, pois elas atendem às mais diversas necessidades de nossos clientes. Essas atualizações e novidades são o resultado do trabalho duro de nossa equipe de profissionais dedicada, e com elas faremos grandes coisas no mundo da tecnologia”, afirma Marcio Aguiar, diretor da divisão Enterprise da NVIDIA na América Latina.
Alcançando novos mercados
Entre os novos SDKs estão:
NVIDIA ReOpt, para logística em tempo real: apresenta algoritmos avançados e massivamente paralelos que otimizam as rotas dos veículos, a seleção do armazém e a combinação da frota. As capacidades dinâmicas de redirecionamento podem reduzir o tempo de viagem, economizar custos de combustível e minimizar os períodos de inatividade, potencialmente economizando bilhões para as indústrias de logística e cadeia de suprimentos;
cuNumeric, para computação em array: implementa a interface de programação de aplicação NumPy para escalonamento automático para sistemas multi-GPU e multi-nó com alterações de código zero - um valor para a forte comunidade de 20 milhões de cientistas de dados, pesquisadores e cientistas usando Python. Disponível agora no GitHub e Conda, ele pode ser escalado para milhares de GPUs, criando computação acelerada para o ecossistema PyData e NumPy;
cuQuantum, para computação quântica: permite que grandes circuitos quânticos sejam simulados muito mais rápido, permitindo que pesquisadores quânticos estudem um espaço mais amplo de algoritmos e aplicações. Os desenvolvedores podem simular áreas como algoritmos quânticos variacionais de curto prazo para moléculas e algoritmos de correção de erros, a fim de identificar tolerância a falhas, bem como acelerar simuladores quânticos populares do Google e da IBM;
Contêiner DGL acelerado CUDA-X, para redes neurais de gráfico: oferece aos desenvolvedores e cientistas de dados que trabalham em GNNs, com grandes gráficos, uma maneira rápida de configurar um ambiente de trabalho. O contêiner facilita o trabalho em um ambiente GNN acelerado por GPU integrado, combinando DGL e Pytorch. Com GNNs acelerados por GPU, mesmo os maiores gráficos do mundo, se aproximando de um trilhão de arestas em um único gráfico, podem ser explorados para insights. Por exemplo, o Pinterest usa redes neurais de gráfico com bilhões de nós e bordas para entender seu ecossistema de mais de 300 bilhões de Pins, com base em GPUs e bibliotecas otimizadas para treinamento e inferência de modelos.
“Nossa equipe tem o prazer de colaborar com a NVIDIA para acelerar o DGL por meio de RAPIDS cuDF para construção de gráficos, RAPIDS cuGraph para amostragem de gráficos e kernels de computação personalizados para GNNs”, afirma Alex Smola, diretor de machine learning da Amazon Web Services. “O DGL é de código aberto e também está disponível como um serviço gerenciado via Amazon NeptuneML”.
SDKs atualizados aceleram o desenvolvimento de aplicações
Recursos e atualizações aprimorados foram feitas na série de SDKs mais populares da NVIDIA, incluindo os kits Clara, DLSS, RTX, Nsight e Isaac. Os SDKs atualizados adicionais incluem:
RAPIDS 21.10, para ciência de dados: oferece novas funções para trabalhar com dados de séries temporais e vários speedups para algoritmos existentes. O RAPIDS Accelerator para Apache Spark 3.0 permite que as empresas acelerem suas operações analíticas em GPUs NVIDIA sem alterações de código. Com os downloads RAPIDS crescendo 400% este ano, este é um dos SDKs mais populares da NVIDIA;
Deepstream 6.0, para análise de vídeo inteligente: apresenta uma nova interface de composição gráfica que torna a visão computacional acessível aos usuários com capacidade mínima de codificação e uma interface visual de arrastar e soltar para um fluxo de desenvolvimento de produto de IA simples e intuitive;
Triton 2.15, TensorRT 8.2 e cuDNN 8.4, para redes neurais profundas: fornece novas otimizações para grandes modelos de linguagem e aceleração de inferência para árvores de decisão com gradiente aumentado e florestas aleatórias;
DOCA 1.2, para rede de data center: oferece uma estrutura de segurança de confiança zero que estende a proteção contra ameaças por meio de autenticação de hardware e software, criptografia de dados de taxa de linha, firewall distribuído e telemetria inteligente;
Merlin 0.8, para sistemas de recomendação: tem novos recursos para prever a próxima ação de um usuário com poucos ou nenhum dado do usuário e suporte para modelos maiores do que a memória GPU.
Novos cursos de treinamento para SDKs
A escassez global de desenvolvedores em tempo integral deve aumentar de 1,4 milhão em 2021 para 4 milhões em 2025, de acordo com o IDC. A empresa analista acredita que a solução de longo prazo para corrigir essa carência é criar uma infraestrutura que eduque e capacite.
Dois novos cursos do Deep Learning Institute da NVIDIA oferecem suporte e aceleram o aprendizado do desenvolvedor e seu uso de SDKs, adicionando ao catálogo DLI de mais de 40 cursos.
Introdução ao DOCA para DPUs, disponível agora, é um curso individualizado que fornece aos desenvolvedores, pesquisadores e alunos os conceitos básicos do NVIDIA DOCA como uma plataforma de capacitação para computação de data center acelerada em DPUs NVIDIA BlueField;
Criação de aplicativos de IA de vídeo em tempo real, disponível no final do mês de novembro, cobre a transformação de dados de vídeo brutos em percepções baseadas em deep learning em tempo real, usando análise de vídeo inteligente NVIDIA DeepStream e o kit de ferramentas NVIDIA TAO para implementar componentes acelerados por hardware para construção um pipeline de streaming de alto desempenho.
Os cursos DLI que se alinham com os novos SDKs incluem:
curso Fundamentos da Ciência de Dados Acelerados, ministrado por um instrutor, e o curso Fluxos de Trabalho de Ciência de Dados de Ponta-a-Ponta Acelerados, auto administrado, usam bibliotecas de ciência de dados com aceleração RAPIDS da NVIDIA para aplicar uma ampla variedade de algoritmos de machine learning acelerados por GPU, incluindo XGBoost, cuGRAPH, de caminho mais curto e de fonte única e KNN, DBSCAN e regressão logística de cuML para realização de análise de dados em escala;
Construção de Sistemas de Recomendação Inteligentes cobre o NVIDIA Merlin e outras ferramentas e técnicas fundamentais para a construção de sistemas de recomendação altamente eficazes, bem como a implementação de soluções aceleradas por GPU para recomendações em tempo real.
SDKs para Enterprise AI
O pacote de software NVIDIA AI Enterprise, que inclui SDKs como Triton e RAPIDS, é executado em servidores acelerados convencionais e é otimizado, certificado e suportado pela NVIDIA. Os desenvolvedores podem aproveitar as vantagens do programa NVIDIA LaunchPad para experimentar o NVIDIA AI Enterprise em laboratórios com curadoria.
Visite a área NVIDIA Developer para saber mais.
Nenhum comentário