文档

使用RAPIDS加速机器学习最佳实践

更新时间:

本文适用于在GPU实例上使用RAPIDS加速库对机器学习任务或者数据科学任务进行加速的场景。在该场景下,与传统的基于CPU的加速功能相比,利用GPU和RAPIDS可以提高数据处理效率,加快分析和建模,有效提高模型的训练速度。

说明

RAPIDS( Real-time Acceleration Platform for Integrated Data Science)是NVIDIA针对数据科学和机器学习推出的GPU加速库。更多信息,请参见RAPIDS Introduction

方案优势

  • 阿里云GPU云服务器资源丰富,可灵活选择在GPU上搭建RAPIDS加速机器学习环境。

  • 使用容器服务Kubernetes版部署RAPIDS加速机器学习环境。

  • 共享存储NAS可提供强大的存储性能。

部署架构图

image

选用的产品列表

产品名称

说明

GPU云服务器

该服务提供了GPU算力的弹性计算服务,具有超强的计算能力,可有效缓解计算压力,提升您的业务效率,帮助您提高企业竞争力。

文件存储NAS

是一种可共享访问、弹性扩展、高可靠以及高性能的分布式文件系统。兼容POSIX文件接口,可支持上千台弹性计算ECS、容器服务ACK等计算节点共享访问,您无需修改应用程序,即可无缝迁移业务系统上云。

容器服务ACK

该服务提供高性能的容器应用管理服务,支持企业级Kubernetes容器化应用的生命周期管理,让您轻松高效地在云端运行Kubernetes容器化应用。

最佳实践详情

关于在GPU实例上使用RAPIDS加速库对机器学习任务或者数据科学任务进行加速的更多信息,请参见RAPIDS加速机器学习的最佳实践

  • 本页导读 (1)
文档反馈