久久国产亚洲精品嫩草,激情欧美亚洲日韩,日韩一级日韩无码

NVIDIA GTC21 有大量精彩且引人入勝的內(nèi)容，特別是在 RAPIDS 附近，因此很容易錯(cuò)過我們的首次演示“ 使用 RAPIDS 加速 Node. js JavaScript 以實(shí)現(xiàn)可視化和更高的速度。 ”是的–我們正在通過 Node.js 項(xiàng)目將 GPU 加速數(shù)據(jù)科學(xué)的力量帶到 JavaScript Node.js 社區(qū)。

Node- RAPIDS 是 Node.js 中模塊化 RAPIDS 庫(kù)綁定的開源技術(shù)預(yù)覽，以及支持基于瀏覽器的高性能可視化的補(bǔ)充方法。

web viz 有什么問題？

大約十年前是圍繞基于 web 的數(shù)據(jù)可視化的迷你復(fù)興，它展示了 D3 等高度交互、易于共享和使用的工具的好處。雖然性能不如 C / C ++或 Python 框架，但由于 JavaScript 的可訪問性，它們的受歡迎程度開始上升。毫不奇怪，它通常被列為最流行的開發(fā)人員語言，排在 Python 或 Java 之前，現(xiàn)在有了完整的可視化和數(shù)據(jù)工具目錄。

然而，這個(gè)龐大的 JavaScript 開發(fā)社區(qū)由于缺乏首選語言中的一流加速數(shù)據(jù)工具而受到阻礙。當(dāng)分析與數(shù)據(jù)源、科學(xué)和可視化盡可能接近時(shí)，分析是最有效的。要使用 JavaScript 完全訪問 GPU 硬件（超越 webGL 限制和黑客），需要精通多種語言來設(shè)置復(fù)雜的中間件管道或使用 Plotly Dash 等非 js 框架。因此，數(shù)據(jù)工程師、數(shù)據(jù)科學(xué)家、可視化專家和前端開發(fā)人員往往被孤立起來，甚至在組織內(nèi)部也是如此。這是有害的，因?yàn)閿?shù)據(jù)可視化是這些群體之間交流的理想媒介。

至于 RAPIDS Viz 團(tuán)隊(duì) 自從我們第一次證明概念，我們希望構(gòu)建能夠通過瀏覽器與數(shù)億個(gè)數(shù)據(jù)點(diǎn)實(shí)時(shí)無縫交互的工具——我們終于找到了一種方法。

為什么選擇 Node 。 js

如果您不熟悉 Node.js ，它是一個(gè)基于 C / C ++的開源跨平臺(tái)運(yùn)行時(shí)環(huán)境，在 web 瀏覽器之外執(zhí)行 JavaScript 代碼。超過 100 萬 Node. js 下載量 per day 。節(jié)點(diǎn)包管理器（ NPM ）是默認(rèn)的 JavaScript 包管理器，微軟擁有它。 Node.js 用于 eBay 、 AliExpress 等在線市場(chǎng)的后端，并被 Netflix 、 PayPal 和 Groupon 等高流量網(wǎng)站使用。顯然，這是一個(gè)強(qiáng)大的框架。

圖 1 ： XKCD Node 。 js 是一個(gè)通用連接器。

Node. js 是一個(gè)連接器，它為我們提供了直接訪問硬件的 JavaScript ，從而簡(jiǎn)化了 API 并能夠使用 NVIDIA CUDA.

. 通過創(chuàng)建節(jié)點(diǎn) – RAPIDS 綁定，我們使一個(gè)龐大的開發(fā)人員社區(qū)能夠使用 GPU 加速，而無需學(xué)習(xí)新語言或在新環(huán)境中工作。我們還為同一社區(qū)提供高性能數(shù)據(jù)科學(xué)平臺(tái)： RAPIDS ！

下面是一個(gè)基于我們的基本筆記本的節(jié)點(diǎn) – RAPIDS 的片段，它顯示了一個(gè)小型正則表達(dá)式示例的 6x 加速：

	// Using https://github.com/rapidsai/node-rapids/

	const cudf = require('@rapidsai/cudf');

	const regexps = [
	/Cloud\|Overcast/,
	/Rain\|T-Storm\|Thunderstorm\|Squalls\|Drizzle/,
	/Snow/,
	/Fog/,
	/Ice\|Hail\|Freezing\|Sleet/,
	/Dust\|Smoke\|Sand/,
	];
	?
	console.log('');
	?
	const weather_condition_gpu = cudf.DataFrame.readCSV({
	header: 0,
	sourceType: 'files',
	sources: [`${__dirname}/US_Accidents_Dec20.csv`],
	dataTypes: {
	id: 'str', source: 'str', tmc: 'float64', severity: 'int32', start_time: 'str', end_time: 'str',
	start_lat: 'float64', start_lng: 'float64', end_lat: 'float64', end_lng: 'float64',
	distance: 'float64', description: 'str', number: 'int32', street: 'str', side: 'str',
	city: 'str', county: 'str', state: 'str', zipcode: 'str', country: 'str', timezone: 'str', airport_code: 'str',
	weather_timestamp: 'str', temperature: 'float64', wind_chill: 'float64', humidity: 'float64', pressure: 'float64',
	visibility: 'float64', wind_direction: 'str', wind_speed: 'float64', precipitation: 'float64', weather_condition: 'str',
	amenity: 'bool', bump: 'bool', crossing: 'bool', give_way: 'bool', junction: 'bool', no_exit: 'bool', railway: 'bool',
	roundabout: 'bool', station: 'bool', stop: 'bool', traffic_calming: 'bool', traffic_signal: 'bool', turning_loop: 'bool',
	sunrise_sunset: 'str', civil_twilight: 'str', nautical_twighlight: 'str', astronomical_twighlight: 'str'
	},
	}).get('weather_condition');
	?
	console.time(`GPU time`);
	?
	regexps.forEach((regexp) => {
	console.time(`${regexp.source} time`);
	const matches = weather_condition_gpu.containsRe(regexp.source).sum();
	console.timeEnd(`${regexp.source} time`);
	console.log(`${regexp.source} matches: ${matches.toLocaleString()}`);
	});
	?
	console.timeEnd(`GPU time`);
	?
	console.log('');
	?
	const weather_condition_cpu = (() => {
	const categorical = weather_condition_gpu.cast(new cudf.Categorical(new cudf.Utf8String));
	const categories = [...categorical.categories];
	const codes = [...categorical.codes];
	return codes.map((i) => categories[i]);
	})();
	?
	console.time(`CPU time`);
	?
	regexps.forEach((regexp) => {
	console.time(`${regexp.source} time`);
	const matches = weather_condition_cpu.reduce((matches, weather_condition) => {
	return matches + (regexp.exec(weather_condition) \|\| []).length;
	}, 0);
	console.timeEnd(`${regexp.source} time`);
	console.log(`${regexp.source} matches: ${matches.toLocaleString()}`);
	});
	?
	console.timeEnd(`CPU time`);
	?
	console.log('');

	/* OUTPUT:
	---------------------------
	// 1.6GB .CSV
	// GPU: Titan RTX

	Cloud\|Overcast time: 26.819ms
	Cloud\|Overcast matches: 1,896,354
	Rain\|T-Storm\|Thunderstorm\|Squalls\|Drizzle time: 63.813ms
	Rain\|T-Storm\|Thunderstorm\|Squalls\|Drizzle matches: 326,441
	Snow time: 6.396ms
	Snow matches: 68,101
	Fog time: 6.997ms
	Fog matches: 52,063
	Ice\|Hail\|Freezing\|Sleet time: 44.031ms
	Ice\|Hail\|Freezing\|Sleet matches: 4,698
	Dust\|Smoke\|Sand time: 29.932ms
	Dust\|Smoke\|Sand matches: 8,846
	GPU time: 190.457ms


	// CPU: AMD Ryzen Threadripper 1900X 8-Core (3.8GHZ)
	Cloud\|Overcast time: 244.493ms
	Cloud\|Overcast matches: 1,896,354
	Rain\|T-Storm\|Thunderstorm\|Squalls\|Drizzle time: 192.591ms
	Rain\|T-Storm\|Thunderstorm\|Squalls\|Drizzle matches: 326,441
	Snow time: 206.071ms
	Snow matches: 68,101
	Fog time: 204.61ms
	Fog matches: 52,063
	Ice\|Hail\|Freezing\|Sleet time: 214.325ms
	Ice\|Hail\|Freezing\|Sleet matches: 4,698
	Dust\|Smoke\|Sand time: 164.633ms
	Dust\|Smoke\|Sand matches: 8,846
	CPU time: 1.230s

	---------------------------
	// GPU is 6.45x faster than CPU
	*/

節(jié)點(diǎn) – RAPIDS ：計(jì)為構(gòu)建塊

圖 2 ： Node- RAPIDS 模塊概述。

與節(jié)點(diǎn)項(xiàng)目類似，節(jié)點(diǎn) – RAPIDS 設(shè)計(jì)為模塊化。我們的目標(biāo)不是構(gòu)建交鑰匙 web 應(yīng)用程序，而是創(chuàng)建一個(gè) 功能清單，以支持或加速各種各樣的用例和管道。前面是當(dāng)前和計(jì)劃節(jié)點(diǎn)的概述 – RAPIDS 模塊按一般類別分組。節(jié)點(diǎn) – RAPIDS 應(yīng)用程序可以根據(jù)需要使用任意數(shù)量的模塊。

為了減少起步的困難，我們還構(gòu)建了一個(gè) 演示目錄，它可以作為通用應(yīng)用程序的模板。隨著我們開發(fā)更多綁定，我們將創(chuàng)建更多演示來展示它們的功能。

圖 3 ：交叉過濾器應(yīng)用程序的示例。

前面是使用 RAPIDS cuDF 和 RAPIDS cuSpatial 庫(kù)的地理空間交叉過濾儀表板應(yīng)用程序的理想堆棧。我們有一個(gè)使用 Deck.gl 的簡(jiǎn)單演示，您可以使用我們的 video 進(jìn)行預(yù)覽，并在 Github 上探索演示代碼。

圖 4 ：流式 ETL 流程的示例。

前面的最后一個(gè)示例是一個(gè)僅服務(wù)器端的 ETL 管道，沒有任何可視化。我們有一個(gè)使用 cuDF 綁定和互動(dòng)筆記本桌面應(yīng)用程序的簡(jiǎn)單 ETL 流程示例，您可以在 Notebook 上使用 video 進(jìn)行預(yù)覽，并使用（獲?。┙换?。

下一步是什么？

雖然我們考慮這個(gè)項(xiàng)目已經(jīng)有一段時(shí)間了，但我們才剛剛開始開發(fā)。 RAPIDS 是一個(gè)令人難以置信的框架，我們希望將它帶給更多的人和更多的應(yīng)用程序— RAPIDS 正如我們所說的那樣。

近期下一步：

接下來的一些短期步驟是繼續(xù)構(gòu)建核心 RAPIDS 綁定特性，您可以在我們的當(dāng)前綁定覆蓋率表上查看這些特性。

如果直接從您的 web 應(yīng)用程序中使用 GPU 加速 SQL 查詢的想法聽起來很有趣（對(duì)我們來說的確如此），那么我們也希望盡快開始使用一些 blazingSQL 綁定。

最值得注意的是，我們計(jì)劃開始創(chuàng)建和發(fā)布模塊化 docker 容器，這將大大簡(jiǎn)化當(dāng)前的源代碼技術(shù)預(yù)覽安裝過程。

關(guān)于作者

Allan Enemark ，數(shù)據(jù)可視化設(shè)計(jì)， NVIDIA RAPIDS 數(shù)據(jù)可視化團(tuán)隊(duì)負(fù)責(zé)人，致力于建立概念證明，開發(fā)工具，并與 RAPIDS 集成框架，通過 GPU 加速推進(jìn)可視化分析領(lǐng)域。

Ajay Thorve 是 NVIDIA 的軟件工程師， RAPIDS 組織的可視化團(tuán)隊(duì)的一部分。 Ajay 的背景是全棧開發(fā)和數(shù)據(jù)科學(xué)，主要興趣包括 JavaScript / TypeScript 和 Python 。目前， Ajay 在 RAPIDS viz 團(tuán)隊(duì)的工作主要集中在為 cuXfilter 和 node- RAPIDS 項(xiàng)目做出貢獻(xiàn)。

Bryan Van de Ven 是 NVIDIA 的高級(jí)系統(tǒng)軟件工程師，負(fù)責(zé) RAPIDS 的前端和可視化工具。此前，他曾在微軟和 Anaconda 工作，在那里他創(chuàng)建了 conda 軟件包管理器，并共同創(chuàng)建了 Bokeh 可視化庫(kù)。布萊恩獲得了 UT 奧斯汀大學(xué)的計(jì)算機(jī)科學(xué)和數(shù)學(xué)學(xué)士學(xué)位，以及加州大學(xué)洛杉磯分校的物理學(xué)碩士學(xué)位。

Paul Taylor 是 NVIDIA RAPIDS 的高級(jí)工程師。

審核編輯：郭婷

聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。舉報(bào)投訴