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
- Запустите инстанс с этим шаблоном
- Откройте Jupyter Lab
- 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
Подробное руководство: читать в разделе «Решения» →
Готовы запустить NVIDIA RAPIDS?
Запустить GPU-сервер