• <xmp id="om0om">
  • <table id="om0om"><noscript id="om0om"></noscript></table>
  • 數據科學

    體驗 NVIDIA cuOpt 加速優化,提高運營效率

    本周的 Model Monday 版本亮點是 NVIDIA cuOpt,這是一款創新的加速優化引擎,專為幫助團隊解決復雜的路線規劃問題而設計。它為組織提供了重塑物流、運營研究、運輸和供應鏈優化的能力。NVIDIA cuOpt 支持多種物流優化用例,包括:

    • 最后一英里交付 (LMD)
    • 現場調度
    • 車隊管理
    • 倉庫和工廠機器人
    • 供應鏈管理 (SCM)
    • 上下車

    最終,cuOpt 可以幫助組織增加收入、降低成本并提高客戶滿意度。

    本文介紹了兩種探索 cuOpt 功能的方法:使用 NVIDIA AI 基礎模型和端點,以及使用 NVIDIA LaunchPad

    使用 NVIDIA AI 基礎模型和端點試用 cuOpt

    NVIDIA AI 基礎模型針對企業生成式 AI 進行了優化。您可以與NVIDIA cuOpt通過 API 和基于用戶界面的演示使用樣本數據。這是一個開放訪問平臺,可在托管環境中使用,因此您不需要使用具有 GPU 加速功能的服務器。

    即使對于那些可能不熟悉優化的人來說,也很容易開始使用 cuOpt.只需瀏覽 Web GUI,即可通過以下兩種方式之一體驗模型:基于 API 的腳本演示 (REST 端點) 或基于 UI 的演示。模型中預加載了三個示例數據集。要詳細了解每個數據集,請參閱技術概覽

    對于數據自定義,基于 API 的演示和基于 UI 的演示的功能存在一些差異,詳情如下。

    基于 API 的演示

    對于 AI 開發者、技術產品經理和 AI 從業者而言,基于 API 的演示是一個不錯的選擇。

    NVIDIA 提供了一個 JSON 文件,其中包含經過預處理的數據,并可隨時提交給 cuOpt。用戶可以原樣提交數據,也可以直接在單元中的 API 調用中編輯數據。要使用自己的數據,請完成數據預處理,并以 JSON 格式將其引入 AI 基礎端點。

    Screenshot of NVIDIA cuOpt API-based demo input and output cell of the API call.
    圖 1.基于 cuOpt API 的演示提供預處理數據,可在 API 調用中直接使用或編輯

    基于 UI 的演示

    基于 UI 的演示對希望更好地了解 cuOpt 的特性和功能的高管、IT 和 AI 領導者以及業務部門高管非常有益。

    Screenshot of a UI-based demo in an NVIDIA AI Foundation Endpoint where a user can try the cuOpt accelerated optimization engine.
    圖 2.探索基于 UI 的演示,以更好地了解 cuOpt 的特性和功能

    NVIDIA 提供示例數據集和包含輸入數據的 JSON 文件,這些數據集和文件可隨時提交至 cuOpt。在交互式演示中,用戶可以選擇要在輸入數據中包含的約束。然后,系統會顯示輸出以及約束對輸出的影響。在此演示環境中,使用您自己的數據不是一個選項。

    使用 NVIDIA LaunchPad 試用 cuOpt

    NVIDIA LaunchPad 提供了一個免費的互聯網瀏覽器訪問平臺,讓您能夠遠程使用 NVIDIA 加速的硬件和軟件。通過 LaunchPad,您可以在一個托管環境中體驗 cuOpt。這一選項特別適合那些在優化領域擁有豐富實戰經驗的專業人士,如數據科學家或優化科學家。

    首先,提交 LaunchPad 路由優化動手實驗室的訪問請求。本實驗使用 NVIDIA cuOpt Cloud 服務優化車隊的路線。其中包含 Jupyter Notebook,可引導您完成數據預處理步驟和每個數據字段的定義,從而提供更具參與度和指導性的學習體驗。

    Screenshot of NVIDIA LaunchPad Route Optimization hands-on lab.
    圖 3.使用 NVIDIA LaunchPad 在托管環境中試用 cuOpt

    從路由優化實驗室指南開始。在這里,您可以探索提供預加載數據集的 Jupyter Notebook。

    Jupyter Notebook that shows the preloaded datasets in NVIDIA LaunchPad.
    圖 4.在 Jupyter Notebook 中探索預加載的數據集

    數據集前提條件

    其中包含一系列示例合成數據集,可將訂單分配給一批配送驅動程序。每個用例中都使用三個 CSV 文件將驅動程序分配給相應的訂單:訂單、倉庫和路線。此外,您還可以使用 Jupyter Notebook 上傳自己的數據。

    詳細的數據集前提條件如下:

    • 輸入格式:三個文件,分別是訂單、車輛和任務數據集。每個數據集應包含相關數據的列,例如位置、運營時間、需求等。請參閱預加載數據集中的詳細數據字段。
    • 輸入參數:上傳到 Jupyter Notebook 進行數據預處理的 CSV 文件。將其另存為 JSON 文件以進行 cuOpt API 調用。
    • 與輸入相關的其他屬性:最多 1K 個位置。沒有最大字符數量或 JSON 文件大小。預處理用于將約束轉換為整數和布爾值。有關特定輸入約束的更多信息,請參閱技術概覽

    預加載的數據集

    以下數據包含在預加載的數據集中:

    • 訂單數據:目的地的地理位置信息(包括經度和緯度)、訂單需求或重量以及可交付訂單的時間窗口。
    • 車輛數據:指定車輛和駕駛員特征,例如車輛類型和每輛車可處理的最大容量,甚至是駕駛員的休息時間。
    • 存儲數據:關于倉庫/配送中心的出發地點和運營時間的信息。
    A visual that shows the route optimization workflow diagram.
    圖 5. NVIDIA 路線優化工作流程圖

    總結

    詳細了解 NVIDIA cuOpt 如何借助 NVIDIA AI 基礎模型和端點,或免費試用 NVIDIA LaunchPad,改變您的物流運營。要比較這兩個選項之間的差異,請參閱表 1、

    ? NVIDIA AI 基礎模型和端點 NVIDIA LaunchPad
    定義 一款交互式工具,在托管環境中包含預加載的樣本數據以及基于 API 和 UI 的演示 通過互聯網瀏覽器訪問的托管環境,用戶可以上傳自己的數據以獲得定制體驗
    訪問權限 開放訪問 請求訪問權限
    時長 無限 短期
    主要優勢 直觀的學習體驗 自帶數據
    表 1. NVIDIA cuOpt 的兩種試用方式對比

    加入我們的 NVIDIA GTC 2024 會議,您可以向 NVIDIA 的優化 AI 工程經理 Alex Fender 了解更多信息,并參加 DLI 培訓,以學習如何使用我們的路線優化微服務提高效率并節省成本。請訪問以下鏈接獲取更多信息:優化 AI 領域的進展了解如何使用我們的路線優化微服務提高效率并節省成本

    如果您想及時了解 NVIDIA cuOpt 的最新動態,包括優化引擎、云服務和生產部署信息,請注冊以接收 NVIDIA cuOpt 新聞

    ?

    +1

    標簽

    人人超碰97caoporen国产