今天，英伟达宣布推出公开的 cuNumeric。这种替换库 NumPy 的下降，将英伟达平台上的分布式和加速计算引入到大型和不断增长的 Python 社区和 PyDATA 生态系统中。
Python 已成为数据科学、机器学习和生产性数值计算中使用最广泛的语言。 NumPy 是事实上的标准库，提供了简单易用的编程模型。该接口与科学应用的数学要求密切相关，使其成为许多最广泛使用的数据科学和机器学习编程环境的基础。
随着数据集和程序的规模和复杂性不断增加，人们越来越需要利用计算资源，这远远超出了单一 CPU 节点所能提供的功能。 cuNumeric 将 GPU 加速超级计算引入 NumPy 生态系统。下图显示了轻松扩展到 1000 GPU 秒以上的功能。
NVIDIA cuNumeric 库的关键利益：
- 透明地加速和扩展现有 NumPy 工作流。
- 提供无缝的导入式 NumPy 替换。
- 为 CPU 和 GPU 中的多个节点提供自动并行和加速。
- 最佳可扩展到数千 GPU 。
- 需要零代码更改以确保开发人员的工作效率。
- 可通过 GitHub 和 Conda 免费获取。
更多关于 cuNumeric
了解更多有关 cuNumeric 和 Legate 缩放技术的信息，并通过访问我们的网站安装免费的 alpha 版本。
观看这些全新的 NVIDIA GTC 课程：
- GTC Keynote
- GTC Session A31168 – Legate: Scaling the Python Ecosystem
- GTC Session A31138 – Accelerate Computing with CUDA Python
