LightGBM用于为大型数据集优化的高性能且可扩展的梯度提升机实施

2020-05-22 09:43:08 来源: INeng财经

H2O.ai,在人工智能和机器学习的开源供应商,宣布 H2O无人驾驶AI,在 获奖的自动机器学习的平台,并 H2O4GPU,开源GPU加速的机器学习程序包现已针对具有Nvidia Quadro RTX GPU和Nvidia CUDA-X AI加速库的新型Nvidia驱动的数据科学工作站进行了优化 。H2O.ai还宣布将整合Nvidia RAPIDS ,以利用其GPU优化的机器学习算法。

与N2O无人驾驶AI结合使用时,采用Nvidia技术的数据科学工作站可通过高度优化的基础架构缩短数据生成时间,从而使数据科学家能够轻松地处理极其复杂的模型和管道。可以轻松地在数据科学工作站上对模型和管道进行重新训练,以支持更大的数据集,甚至还可以包括在大量数据集上运行的H2O苏打水群集。

“ H2O.ai对我们与Nvidia的合作伙伴关系感到兴奋,它致力于为所有人加速机器学习。在Nvidia支持的数据科学工作站上使用H2O无人驾驶AI,可以更快,更便宜,更轻松地构建和部署机器学习模型。”

H2O.ai的创始人兼首席执行官Sri Ambati说:“来自我们的开源社区和世界上一些最伟大的数据科学大师的食谱使解决一整套数据问题变得快速,可解释和容易。” “现在,借助Nvidia在GPU上从H2O.ai进行自动机器学习,我们可以实现使企业AI民主化的使命。”

Nvidia RAPIDS建立在流行的开源项目上-包括Apache Arrow,Pandas和Scikit-learn。通过将GPU加速添加到最流行的Python数据科学工具链中,利用GPU加速的机器学习算法来改善无人驾驶AI内的工作流程成为一种自然的选择。

组合产品提供了最快和最准确的机器学习模型迭代。无人驾驶AI使用以下GPU加速算法为数据科学家提供了灵活性:

LightGBM用于为大型数据集优化的高性能且可扩展的梯度提升机实施

基于TensorFlow的NLP用例模型和网络

截断的SVD(奇异值分解)和PCA(主成分分析)用于降维和特征工程

改进了多GPU工作负载上的K-means和XGBoost性能,以实现更快的性能和处理更大数据集的能力

此外,H2O.ai通过使Nvidia NGC软件中心提供H2O无人驾驶AI和H2O4GPU,继续使AI民主化。

Nvidia 专业可视化副总裁Bob Pette表示:“由Nvidia驱动的数据科学工作站与H2O无人驾驶AI和H2O4GPU相结合,为希望通过自动机器学习转变业务的企业提供了全面的解决方案 。” “我们的金融,医疗保健和保险客户能够以惊人的速度获得洞察力和可解释性,从而能够从合作中看到真正的增长。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。