PRENDRE RENDEZ-VOUS EN Vulkan Kompute – Le cadre de calcul Vulkan à usage général. Ultra rapide, léger, compatible mobile et optimisé pour les cas d’utilisation avancés de traitement de données GPU. Caractéristiques Bibliothèque d’en-tête unique pour une importation simple dans votre projet Documentation exploitant doxygen et sphinx BYOV : conception Bring-your-own-Vulkan pour bien fonctionner avec …
MLOP Category Archives:
CuPy
PRENDRE RENDEZ-VOUS EN CuPy est une implémentation d’un tableau multidimensionnel compatible NumPy sur CUDA. CuPy se compose de cupy.ndarray, la classe principale de tableau multidimensionnel, et de nombreuses fonctions qui y sont associées. Il prend en charge un sous-ensemble de l’interface numpy.ndarray. Caractéristiques Indexation de base (indexation par ints, slices, newaxes et Ellipsis) La plupart …
Vaex
PRENDRE RENDEZ-VOUS EN Vaex est une bibliothèque Python pour les DataFrames Out-of-Core paresseux (similaires aux Pandas), pour visualiser et explorer de grands ensembles de données tabulaires. Il peut calculer des statistiques telles que la moyenne, la somme, le nombre, l’écart type, etc., sur une grille à N dimensions jusqu’à un milliard () d’objets/lignes par seconde. …
CuML
PRENDRE RENDEZ-VOUS EN cuML est une suite d’algorithmes d’apprentissage automatique rapides et accélérés par GPU, conçus pour la science des données et les tâches analytiques. Notre API reflète celle de Sklearn et nous fournissons aux praticiens le paradigme simple d’ajustement-prédiction-transformation sans jamais avoir à programmer sur un GPU. À mesure que les données augmentent, les …
CuDF
PRENDRE RENDEZ-VOUS EN cuDF est une bibliothèque Python GPU DataFrame (construite sur le format de mémoire en colonnes Apache Arrow) pour charger, joindre, agréger, filtrer et manipuler des données. cuDF fournit également une API de type pandas qui sera familière aux ingénieurs et scientifiques de données, afin qu’ils puissent l’utiliser pour accélérer facilement leurs flux …
Tpot
PRENDRE RENDEZ-VOUS EN TPOT signifie Outil d’optimisation de pipeline basé sur un arbre. Considérez TPOT comme votre assistant de science des données. TPOT est un outil d’apprentissage automatique automatisé Python qui optimise les pipelines d’apprentissage automatique à l’aide de la programmation génétique. TPOT automatisera la partie la plus fastidieuse de l’apprentissage automatique en explorant intelligemment …
Singa
PRENDRE RENDEZ-VOUS EN Apache SINGA est un projet Apache de premier niveau, axé sur la formation distribuée de modèles d’apprentissage profond et d’apprentissage automatique. Caractéristiques Créer une tâche de formation de modèle pour les tâches prises en charge, avec leurs propres ensembles de données Déployer un ensemble de modèles entraînés pour l’inférence Intégrer les prédictions …
Ray
PRENDRE RENDEZ-VOUS EN Ray fournit une API simple et universelle pour créer des applications distribuées. Ray accomplit cette mission en : Fournir des primitives simples pour créer et exécuter des applications distribuées. Permettre aux utilisateurs finaux de paralléliser un code machine unique, avec peu ou pas de modifications de code. Y compris un vaste écosystème …
Rapids
PRENDRE RENDEZ-VOUS EN La suite RAPIDS de bibliothèques de logiciels et d’API open source vous donne la possibilité d’exécuter des pipelines de science des données et d’analyse de bout en bout entièrement sur des GPU. Sous licence Apache 2.0, RAPIDS est incubé par NVIDIA® sur la base d’une vaste expérience en matière de matériel et …
Petastorm
PRENDRE RENDEZ-VOUS EN Petastorm est une bibliothèque d’accès aux données open source développée chez Uber ATG. Cette bibliothèque permet la formation et l’évaluation sur une machine unique ou distribuée de modèles d’apprentissage profond directement à partir d’ensembles de données au format Apache Parquet. Petastorm prend en charge les frameworks d’apprentissage automatique (ML) populaires basés sur …