Источник: Nuances of Programming Введение Вычисления на графических процессорах становятся всё более и более важными. Кроме того, растёт число онлайн-платформ анализа данных с поддержкой GPU. В их число входят: В этой статье я познакомлю вас с RAPIDS  —  открытыми библиотеками NVIDIA для Python, а затем покажу, как она работает, ускоряя анализ данных в 50 раз. Код из статьи доступен на Github и Google Colaboratory. RAPIDS Для работы с большими данными в последние несколько дней было предложено множество решений: MapReduce, Hadoop, Spark...

В широком понимании рендеринг на GPU дает возможность одновременного запуска большого числа параллельных операций. Это повышает скорость выполнения, но рендеринг объемных детализированных сцен с большим числом составляющих в этом случае не очень хорош. CPU не позволяет масштабировать уровень производительности линейно в параллелизации процесса, но осуществлять может гораздо больше разнотипных задач. Такое решение позволяет получить максимально детальный результат. Рассмотрим подробнее параметры выбора CPU и GPU для рендеринга и 3D-моделирования в рамках сегодняшней статьи...