NVIDIA发布65个全新及更新的软件开发工具包

NVIDIA 发布了 65 个全新及更新的软件开发工具包，包括库、代码样本和指南，为正在推动广泛计算挑战前沿的数据科学家、研究者、学生和开发者带来更好的特性和功能。

NVIDIA 创始人兼首席执行官黄仁勋在其 GTC 主题演讲中发布了这些新增内容，其中包括用于加速量子计算、到户交付算法和图神经网络挖掘的新一代 SDK。

NVIDIA 产品目录中有 150 多个加速计算工具包，NVIDIA 开发者计划中的近 300 万名成员使用这些工具包，这个数字在过去五年增长了 6 倍。CUDA（并行计算平台和编程模型）仅在去年就被下载了 700 万次，自发布以来的下载次数已达到 3000 万次。

拓展新市场

新发布的 SDK 有：

NVIDIA ReOpt：用于实时物流，引入了先进的大规模并行算法，可以优化车辆路线、仓库选择和车队组合。其动态改道功能可以减少旅行时间、节省燃料成本并最大限度地减少闲置时间，这将为物流和供应链行业节省数十亿美元。

cuNumeric：用于阵列计算，实现 NumPy 应用编程接口，可以自动扩展到多 GPU 和多节点系统，而不需要修改代码。这将给使用 Python 的 2000 万名数据科学家、研究者和科学家带来重要的价值。该工具包现已在 GitHub 和 Conda 上提供，可以扩展到数千个 GPU，为 PyData 和 NumPy 生态系统创造加速计算。

cuQuantum：用于量子计算，大大加快了interwetten与威廉的赔率体系 大型量子电路的速度，使量子研究者能够研究更广泛的算法和应用空间。开发者可以模拟分子的近期变异量子算法和能够识别容错的纠错算法等领域，也可以加速 Atos、谷歌和 IBM 的流行量子模拟器

CUDA-X 加速 DGL 容器：用于图神经网络，为从事具有大型图的 GNN的开发者和数据科学家提供了一种快速建立工作环境的方法。该容器使得在结合 DGL 和 Pytorc h的集成 GPU 加速 GNN 环境中的工作变得很容易。凭借 GPU 加速 GNN，我们可以挖掘图中的洞察，即使是有接近一万亿条边的全球最大图也不例外。例如 Pinterest 使用具有数十亿个节点和边缘的图神经网络来了解其具有超过 3000 亿个 Pin 的生态系统。该网络基于 GPU 和各种经过优化的库，可用于模型的训练和推理。

Amazon Web Services 机器学习总监 Alex Smola 表示：“我们团队十分高兴能与 NVIDIA 合作，通过用于图构建的 RAPIDS cuDF、用于图采样的 RAPIDS cuGraph 和 GNN 的自定义计算内核来加速 DGL。而开源的 DGL 也能通过亚马逊 NeptuneML 以托管式服务的形式提供。”

经过更新的SDK加速应用开发

众多最受欢迎的 NVIDIA SDK 都增强了功能并进行了升级，包括 Clara、DLSS、RTX、Nsight 和 Isaac 工具包。

其他经过更新的 SDK 包括：

RAPIDS 21.10：用于数据科学，提供时间序列数据处理这项新功能并对现有算法进行多项加速。今年以来，NVIDIA 最受欢迎的 SDK 之一——RAPIDS 的下载量增长了 400%。

Deepstream 6.0：用于智能视频分析的 Deepstream 6.0 引入了新的图合成器界面，使具有最低编码能力的用户也能使用计算机视觉，还引入了可视化拖放界面，可实现简单、直观的AI产品开发流程。

Triton 2.15、TensorRT 8.2 和 cuDNN 8.4：用于深度神经网络，为大型语言模型提供新的优化，并且为梯度增强决策树和随机森林提供推理加速。

DOCA 1.2：用于数据中心网络，提供一个零信任的安全框架，该框架通过硬件和软件认证、线路速率数据加密、分布式防火墙和智能遥测来扩展威胁保护。

Merlin 0.8：用于推荐系统，具有预测用户下一步行动的新功能，只需很少的用户数据，甚至无需用户数据，并且支持大于 GPU 内存的模型。

适用于SDK的新培训课程

根据 IDC 预计，全球全职开发者的短缺数量预计将从 2021 年的 140 万增加到 2025 年的 400 万。该分析公司认为，创建提供教育和赋能的基础设施是弥补这一短缺的长期解决方案。

NVIDIA 深度学习培训中心的两门新课程支持并加速开发者对 SDK 的学习和使用，为该学院的 40 多门课程目录增添新的内容。

“用于 DPU 的 DOCA 介绍”是一门自学课程。该课程向开发者、研究者和学生介绍 NVIDIA DOCA 的基本概念。NVIDIA DOCA 是一个用于在 NVIDIA BlueField DPUs 上实现加速数据中心计算的平台。

将于本月晚些时候推出的“构建实时视频AI应用”课程将介绍如何使用 NVIDIA DeepStream 智能视频分析工具和 NVIDIA TAO 工具套件将原始视频数据转化为基于实时深度学习的洞察，从而实现用于构建高性能流媒体管道的硬件加速组件。

配合新 SDK 的 NVIDIA 深度学习培训中心课程包括：

由教师授课的“加速数据科学基础”和自学课程“加速端到端数据科学工作流”使用 NVIDIA RAPIDS 加速数据科学库来应用各种 GPU 加速机器学习算法，包括 XGBoost、cuGRAPH 的单源最短路径以及 cuML 的 KNN、DBSCAN 和逻辑回归，以便执行大规模的数据分析。

“构建智能推荐系统”涵盖 NVIDIA Merlin 和其他用于构建高效推荐系统的基本工具和威廉希尔官方网站 以及如何部署用于实时推荐的 GPU 加速解决方案。

责任编辑：haq