NVIDIA釋出了65個全新及更新的軟體開發工具包，包括庫、程式碼樣本和指南，為正在推動廣泛計算挑戰前沿的資料科學家、研究者、學生和開發者帶來更好的特性和功能。
NVIDIA創始人兼執行長黃仁勳在其
GTC主題演講
中釋出了這些新增內容，其中包括用於加速量子計算、到戶交付演算法和圖形神經網路挖掘的新一代SDK。
NVIDIA產品目錄中有150多個加速計算工具包，NVIDIA
開發者計劃
中的近300萬名成員使用這些工具包，這個數字在過去五年增長了6倍。
CUDA
（平行計算平臺和程式設計模型）僅在去年就被下載了700萬次，自發布以來的下載次數已達到3000萬次。
拓展新市場
新發布的SDK有：
NVIDIA ReOpt：
用於實時物流，引入了先進的大規模並行演算法，可以最佳化車輛路線、倉庫選擇和車隊組合。其動態改道功能可以減少旅行時間、節省燃料成本並最大限度地減少閒置時間，這將為物流和供應鏈行業節省數十億美元。
cuNumeric：
用於陣列計算，實現NumPy應用程式設計介面，可以自動擴充套件到多GPU和多節點系統，而不需要修改程式碼。這將給使用Python的2000萬名資料科學家、研究者和科學家帶來重要的價值。該工具包現已在GitHub和Conda上提供，可以擴充套件到數千個GPU，為PyData和NumPy生態系統創造加速計算。
cuQuantum：
用於量子計算，大大加快了模擬大型量子電路的速度，使量子研究者能夠研究更廣泛的演算法和應用空間。開發者可以模擬分子的近期變異量子演算法和能夠識別容錯的糾錯演算法等領域，也可以加速Atos、谷歌和IBM的流行量子模擬器
CUDA-X加速 DGL容器：
用於圖形神經網路，為從事具有大型圖形的GNN的開發者和資料科學家提供了一種快速建立工作環境的方法。該容器使得在結合DGL和Pytorch的整合
GPU加速GNN 環境
中的工作變得很容易。憑藉GPU加速GNN，我們可以挖掘圖形中的洞察，即使是有接近一萬億條邊的全球最大圖形也不例外。例如Pinterest使用具有數十億個節點和邊緣的圖形神經網路來了解其具有超過3000億個Pin的生態系統。該網路基於GPU和各種經過最佳化的庫，可用於模型的訓練和推理。
Amazon Web Services機器學習總監Alex Smola表示：“我們團隊十分高興能與NVIDIA合作，透過用於圖形構建的RAPIDS cuDF、用於圖形取樣的RAPIDS cuGraph和GNN的自定義計算核心來加速DGL。而開源的DGL也能透過亞馬遜NeptuneML以託管式服務的形式提供。”
經過更新的SDK加速應用開發
眾多最受歡迎的NVIDIA SDK都增強了功能並進行了升級，包括Clara、DLSS、RTX、Nsight和Isaac工具包。
其他經過更新的SDK包括：
RAPIDS 21.10：
用於資料科學，提供時間序列資料處理這項新功能並對現有演算法進行多項加速。適用於 Apache Spark 3。0 的 RAPIDS 加速器允許企業在不更改程式碼的情況下加速其在 NVIDIA GPU 上的分析操作。今年以來，NVIDIA最受歡迎的SDK之一——
RAPIDS
的下載量增長了400%。
Deepstream 6.0：
用於智慧影片分析的Deepstream 6。0引入了新的圖形合成器介面，使具有最低編碼能力的使用者也能使用計算機視覺，還引入了視覺化拖放介面，可實現簡單、直觀的AI產品開發流程。
Triton 2.15、TensorRT 8.2和cuDNN 8.4：
用於深度神經網路，為大型語言模型提供新的最佳化，並且為梯度增強決策樹和隨機森林提供推理加速。
DOCA 1.2：
用於資料中心網路，提供一個零信任的安全框架，該框架透過硬體和軟體認證、線路速率資料加密、分散式防火牆和智慧遙測來擴充套件威脅保護。
Merlin 0.8：
用於推薦系統，具有預測使用者下一步行動的新功能，只需很少的使用者資料，甚至無需使用者資料，並且支援大於GPU記憶體的模型。
適用於SDK的新培訓課程
根據IDC預計，全球全職開發者的短缺數量預計將從2021年的140萬增加到2025年的400萬。該分析公司認為，建立提供教育和賦能的基礎設施是彌補這一短缺的長期解決方案。
NVIDIA
深度學習培訓中心
的兩門新課程支援並加速開發者對SDK的學習和使用，為該學院的40多門課程目錄增添新的內容。
“
用於DPU的DOCA介紹
”是一門自學課程。該課程向開發者、研究者和學生介紹
NVIDIA DOCA
的基本概念。NVIDIA DOCA是一個用於在
NVIDIA BlueField DPUs
上實現加速資料中心計算的平臺。
將於本月晚些時候推出的“構建實時影片AI應用”課程將介紹如何使用
NVIDIA DeepStream
智慧影片分析工具和
NVIDIA TAO工具套件
將原始影片資料轉化為基於實時深度學習的洞察，從而實現用於構建高效能流媒體管道的硬體加速元件。
配合新SDK的NVIDIA 深度學習培訓中心課程包括：
由教師授課的“
加速資料科學基礎
”和自學課程“
加速端到端資料科學工作流
”使用
NVIDIA RAPIDS
加速資料科學庫來應用各種GPU加速機器學習演算法，包括
XGBoost
、
cuGRAPH的
單源最短路徑以及
cuML的 KNN
、
DBSCAN
和邏輯迴歸，以便執行大規模的資料分析。
“
構建智慧推薦系統
”涵蓋
NVIDIA Merlin
和其他用於構建高效推薦系統的基本工具和技術以及如何部署用於實時推薦的GPU加速解決方案。
請訪問
NVIDIA開發者區域
瞭解更多資訊。
