Il s'agit de l'application Linux nommée cuDF dont la dernière version peut être téléchargée en tant que v23.10.00.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez gratuitement en ligne cette application nommée cuDF avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
CUDF
DESCRIPTION:
Construit sur la base du format de mémoire en colonnes Apache Arrow, cuDF est une bibliothèque GPU DataFrame pour charger, joindre, agréger, filtrer et manipuler des données. cuDF fournit une API de type pandas qui sera familière aux ingénieurs de données et aux data scientists, afin qu'ils puissent l'utiliser pour accélérer facilement leurs flux de travail sans entrer dans les détails de la programmation CUDA. Pour des exemples supplémentaires, parcourez notre documentation complète sur l'API ou consultez nos blocs-notes plus détaillés. cuDF peut être installé avec conda (miniconda, ou la distribution Anaconda complète) à partir du canal rapidsai. cuDF est pris en charge uniquement sous Linux et avec les versions 3.7 et ultérieures de Python. La suite RAPIDS de bibliothèques de logiciels open source vise à permettre l'exécution de pipelines de science des données et d'analyse de bout en bout entièrement sur des GPU. Il s'appuie sur les primitives NVIDIA® CUDA® pour l'optimisation de calcul de bas niveau, mais expose ce parallélisme GPU et la vitesse de la mémoire à bande passante élevée via des interfaces Python conviviales.
Fonctionnalités
- cuDF est pris en charge uniquement sur Linux et avec les versions Python 3.7 et ultérieures
- La suite RAPIDS de bibliothèques de logiciels open source vous donne la liberté d'exécuter des pipelines de science des données et d'analyse de bout en bout entièrement sur des GPU
- Évoluez en toute transparence des stations de travail GPU vers des serveurs multi-GPU et des clusters multi-nœuds avec Dask
- Accélérez votre chaîne d'outils de science des données Python avec un minimum de modifications de code et aucun nouvel outil à apprendre
- cuDF fournit une API de type pandas qui sera familière aux ingénieurs de données et aux data scientists
- Construit sur la base du format de mémoire en colonnes Apache Arrow
Langage de programmation
C + +
Catégories
Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/cudf.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.