今天，英偉達宣布推出公開的 cuNumeric。這種替換庫 NumPy 的下降，將英偉達平臺上的分布式和加速計算引入到大型和不斷增長的 Python 社區和 PyDATA 生態系統中。
Python 已成為數據科學、機器學習和生產性數值計算中使用最廣泛的語言。 NumPy 是事實上的標準庫，提供了簡單易用的編程模型。該接口與科學應用的數學要求密切相關，使其成為許多最廣泛使用的數據科學和機器學習編程環境的基礎。
隨著數據集和程序的規模和復雜性不斷增加，人們越來越需要利用計算資源，這遠遠超出了單一 CPU 節點所能提供的功能。 cuNumeric 將 GPU 加速超級計算引入 NumPy 生態系統。下圖顯示了輕松擴展到 1000 GPU 秒以上的功能。
NVIDIA cuNumeric 庫的關鍵利益：
- 透明地加速和擴展現有 NumPy 工作流。
- 提供無縫的導入式 NumPy 替換。
- 為 CPU 和 GPU 中的多個節點提供自動并行和加速。
- 最佳可擴展到數千 GPU 。
- 需要零代碼更改以確保開發人員的工作效率。
- 可通過 GitHub 和 Conda 免費獲取。
更多關于 cuNumeric
了解更多有關 cuNumeric 和 Legate 縮放技術的信息，并通過訪問我們的網站安裝免費的 alpha 版本。
觀看這些全新的 NVIDIA GTC 課程：
- GTC Keynote
- GTC Session A31168 – Legate: Scaling the Python Ecosystem
- GTC Session A31138 – Accelerate Computing with CUDA Python
?
?
