本文屬于《解碼 AI》系列欄目，該系列的目的是讓技術更加簡單易懂，從而解密 AI，同時向 RTX 工作站和 PC 用戶展示全新硬件、軟件、工具和加速特性。

AI 正幫助各行各業推動創新和提高效率，但要充分發揮其潛力，必須基于海量的高質量數據對各種模型進行訓練。數據科學家在準備這類數據方面發揮著關鍵作用，在專業數據（通常為專有數據）對于增強 AI 功能至關重要的特定領域尤其如此。

為了幫助數據科學家應對日益增長的工作負載需求，NVIDIA 發布了 RAPIDS cuDF 庫，以便用戶更輕松地處理數據，并且無需更改代碼即可加速 pandas 軟件庫。Pandas 是面向 Python 的一個靈活、功能強大的熱門數據分析和處理庫。借助 cuDF，數據科學家現在可以在他們首選的代碼庫上全速運行數據處理。

NVIDIA RTX AI 硬件和技術也可以加速數據處理。這包括強大的 GPU，可提供在各個層面快速高效地加速 AI 所需的計算性能 — 從數據科學工作流到 PC 和工作站上的模型訓練和定制。

數據科學的瓶頸

最常用的數據格式是按行和列組織的表格數據。小型數據集可以使用 Excel 等電子表格工具進行管理，但是，包含數千萬行的數據集和建模工作流通常依賴于采用了例如 Python 等編程語言的 DataFrame 程序庫。

Python 是進行數據分析時的熱門選擇，主要是因為 pandas 庫采用易于使用的應用編程接口（API）。然而，隨著數據集的規模不斷增長，pandas 在純 CPU 系統中難以實現理想的處理速度和效率。該庫在處理文本密集型數據集時的性能也為人所詬病，而對大語言模型來說，這是一種重要的數據類型。

當數據需求超出 pandas 的能力時，數據科學家會面臨兩難境地：要么忍受緩慢的處理速度，要么采取復雜且成本高昂的措施，即轉而采用更高效但對用戶不夠友好的工具。

使用 RAPIDS cuDF加速預處理工作流

RAPIDS cuDF 配合 RTX AI PC 和工作站，可為熱門的 pandas 軟件庫提供最高達 100 倍加速

借助 RAPIDS cuDF，數據科學家現在可以在他們首選的代碼庫上全速運行數據處理。RAPIDS 是一套開源 GPU 加速的 Python 庫，旨在改進數據科學和分析工作流。cuDF 是一個 GPU DataFrame 庫，可提供類似于 pandas 的 API 來加載、過濾和操作數據。

使用 cuDF 的“pandas 加速器模式”，數據科學家可以在 GPU 上運行現有的 pandas 代碼，充分利用強大的并行處理功能，并可放心的將代碼在必要時移植到 CPU 上。這種互通性提供了出色、可靠的性能。

最新版本的 cuDF 支持更大規模的數據集和數十億行的表格文本數據。這樣，數據科學家就能夠使用 pandas 代碼來預處理生成式 AI 的數據。

在 NVIDIA RTX 加持的 AI 工作站

和 PC 上加速數據科學

最近的一項研究表明，57% 的數據科學家使用 PC、臺式機或工作站等本地資源來執行數據科學任務。

從 NVIDIA GeForce RTX 4090 GPU 開始，數據科學家可以實現顯著的速度提升。隨著數據集規模不斷增長，處理工作占用更多內存，相比于基于傳統 CPU 的解決方案，在工作站中配合使用 cuDF 和 NVIDIA RTX 5880 Ada 架構 GPU，可以將性能提升多達 100 倍。

y 軸表示兩種常見的數據科學操作—“join”和“groupby”，而 x 軸顯示運行每項操作所需的時間

數據科學家可以在 NVIDIA AI Workbench 上輕松開始使用 RAPIDS cuDF。利用這個基于容器的免費開發者環境管理器，數據科學家和開發者可以跨 GPU 系統創建、遷移 AI 和數據科學工作負載并進行協作。用戶可以從 NVIDIA GitHub 倉庫中提供的幾個示例項目開始，例如 cuDF AI Workbench 項目。

HP AI Studio 也默認支持 cuDF，這是一個集中式數據科學平臺，旨在幫助 AI 開發者將其開發環境從工作站無縫復制到云端。這便于他們創建、開發項目并進行協作，而無需管理多個環境。

在 RTX 加持的 AI PC 和工作站上，cuDF 的優勢并不僅限于提升原始性能。還包括：

在強大的 GPU 上進行固定成本的本地開發，并可以無縫復制到本地部署的服務器或云實例，從而節省時間和支出。

加快數據處理以實現更快迭代，以便數據科學家以交互式的速度進行實驗、優化并從數據集中產生洞察。

實現更有效的數據處理，以在后續工作流獲得更好的模型結果。

數據科學的新時代

隨著 AI 和數據科學的不斷發展，快速處理和分析大量數據集的能力將成為各行業實現突破的關鍵差異化因素。無論是開發復雜的機器學習模型、執行復雜的統計分析還是探索生成式 AI，RAPIDS cuDF 都可為新一代數據處理奠定基礎。

NVIDIA 正通過增加對最熱門的 DataFrame 工具的支持來鞏固這一基礎，其中包括 Polars，它是增長最快的 Python 庫之一，與其他開箱即用的純 CPU 工具相比，可幫助顯著加速數據處理。

Polars 本月宣布推出由 RAPIDS cuDF 提供支持的 Polars GPU 引擎公開測試版。Polars 用戶現在可以將本已極快的 DataFrame 庫性能提升多達 13 倍。

RTX AI 為未來的工程師創造無限可能

無論在大學數據中心、GeForce RTX 筆記本電腦還是 NVIDIA RTX 工作站上運行，NVIDIA GPU 都可加速學習過程。數據科學領域及其他領域的學生將增強其學習體驗，并通過廣泛應用于現實世界應用的硬件獲得實戰經驗。

生成式 AI 正在深入改變游戲、視頻會議和各種交互體驗。