NVIDIA מריצה UMAP בקנה מידה עצום על מספר GPUs תוך דקות

NVIDIA הדגימה איך להריץ את UMAP — טכניקת הפחתת ממדים נפוצה לוויזואליזציה ולחילוץ features — בקנה מידה עצום על פני מספר GPUs, ומשלימה תוך דקות מה שאחרת היה לוקח הרבה יותר זמן על מערכות קטנות יותר. חשוב מכך, החברה אומרת שגישת ה-multi-GPU שומרת על דיוק במקום להחליף נאמנות במהירות, ומטפלת בדאגה נפוצה מקירובים מבוזרים.

UMAP הוא סוס עבודה ב-pipelines של data science ו-ML, שמשמש להשליך embeddings רבי-ממדים למרחבי 2D או 3D שניתן לפרש, לצורך חקירה, clustering וניתוח איכות. ככל שמאגרי ה-embeddings תופחים למאות מיליוני נקודות — מונעים על ידי מודלים גדולים יותר ומאגרי retrieval — UMAP שכבול ל-GPU יחיד או ל-CPU הופך לצוואר בקבוק. הרצתו על פני מספר GPUs הופכת ניתוח אינטראקטיבי של קבוצות embeddings גדולות למעשי.

השחרור משתלב בשבוע הרחב יותר של NVIDIA בכלי מפתחים — TensorRT Model Connect ל-deployment וערכת ALCHEMI לחומרים — כולם מחזקים את האקוסיסטם של CUDA/RAPIDS כברירת המחדל לעבודת data ו-ML מואצת. על ידי האצת שלב הניתוח, NVIDIA מטמיעה עוד יותר את החומרה שלה בכל נקודה ב-pipeline, מ-training ל-inference ועד חקירת נתונים.

ההסתייגויות מצומצמות: UMAP מרובה-GPU היא יכולת מומחים שהכי שימושית לצוותים שכבר פועלים בקנה מידה גדול על חומרת NVIDIA, וטענות 'שומר על דיוק' מצדיקות אימות עצמאי על workloads אמיתיים. שווה לעקוב אחרי האימוץ בקהילת RAPIDS והאם הטכניקה תנחת כפיצ'ר ספרייה מוכן לשימוש.