NVIDIA RAPIDS

GPU-ускоренный Data Science — cuDF, cuML, cuGraph для обработки данных на GPU.

Jupyter / Исследования Linux от 8 ГБ VRAM

Для кого

Data-инженеры и дата-сайентисты, которым нужна GPU-ускоренная обработка данных — замена pandas и scikit-learn на GPU.

Что внутри

  • cuDF — GPU-ускоренный DataFrame (замена pandas)
  • cuML — GPU-ускоренный ML (замена scikit-learn)
  • cuGraph — GPU-ускоренная работа с графами
  • Jupyter Lab с примерами ноутбуков

Как начать

  1. Запустите инстанс с этим шаблоном
  2. Откройте Jupyter Lab
  3. Импортируйте cuDF вместо pandas: import cudf — данные обрабатываются на GPU

Рекомендации по GPU

  • 8–16 ГБ VRAM — датасеты до 10 ГБ
  • 40 ГБ VRAM — крупные датасеты
  • 80 ГБ VRAM — обработка датасетов 50+ ГБ в памяти GPU

Предустановленное ПО

Ubuntu 22.04 CUDA 12.x RAPIDS cuDF cuML cuGraph Jupyter

Рекомендуемые GPU

Подробное руководство: читать в разделе «Решения» →

Готовы запустить NVIDIA RAPIDS?

Запустить GPU-сервер