阿裡雲GPU雲伺服器現已支援NVIDIA RAPIDS加速庫，是國内第一家提供RAPIDS加速庫服務的公有雲廠商。
RAPIDS，全稱Real-time Acceleration Platform for Integrated Data Science，是NVIDIA針對資料科學和機器學習推出的一套開源GPU加速庫，基于CUDA-X AI打造，可加速資料準備、模型訓練和圖分析。
使用RAPIDS加速庫可以實作從資料準備、模型訓練到預測整個端到端流程得到GPU的加速支援，大大提升任務的執行效率，在模型精度方面實作突破的同時降低基礎架構TCO。
CUDNN已經成為GPU加速深度學習架構的标準加速庫。
RAPIDS（如下圖）提供的CUDF、CUML和CUGRAPH則提供了對資料準備、機器學習算法以及圖分析的GPU加速庫。
RAPIDS支援輕量級大資料架構DASK，使得任務可以獲得多GPU、多節點的GPU加速支援。
RAPIDS以資料準備為起點，引入新型 GPU 資料架構 (cuDF)，進而能實作并行化資料加載和資料操作，充分利用 NVIDIA GPU 上的大型高帶寬顯存。 cuDF 為資料科學家提供了簡單易用且基于 Python 的工具集，可以替換其已十分熟悉的pandas 工具集。資料科學家無需從頭學習 NVIDIA CUDA 技術，隻需要對現有代碼做出極少量更改，便能夠大幅提速資料準備，使其不再受限于 CPU 或 CPU 與記憶體之間的輸入輸出。
RAPIDS 還引入了不斷發展壯大的全新 GPU 加速 ML 算法(cuML) 庫，當中包括 XGBoost 等時下熱門算法，以及 Kalman、K-means、 KNN、 DBScan、 PCA、 TSVD、 OLS 線性回歸、Kalman Filtering 等算法。 ML 算法可産生大量資料傳輸，至今仍難以實作并行化。随着 GPU 加速的 ML 和 NVIDIA NVLink™ 以及NVSwitch 架構陸續降臨于 伺服器系統，模型訓練現可輕松分布于多個 GPU 和多個節點（系統）之間，幾乎不會産生延遲，且能避過 CPU 與記憶體之間的輸入輸出瓶頸。
RAPIDS僅适用于特定的GPU型号（采用NVIDIA Pascal及以上架構的GPU），是以阿裡雲目前支援RAPIDS的執行個體規格有gn6i（Tesla T4）、gn6v（Tesla V100）、gn5（Tesla P100）和gn5i（Tesla P4）。
如何在GPU執行個體上使用RAPIDS加速庫
關于如何在阿裡雲GPU執行個體上基于NGC環境使用RAPIDS加速庫，請參考文檔：在GPU執行個體上使用RAPIDS加速機器學習任務
按照上述文檔，阿裡雲GPU可以運作一個單機的GPU加速的資料預處理+訓練的XGBoost Demo，并對比GPU與CPU的訓練時間。
使用者也可以可以通過選擇更多的資料量和GPU個數來驗證多GPU的支援。
後續阿裡雲GPU還會繼續提供更多的RAPIDS加速的最佳實踐。
按照上述文檔示例，在GN6i執行個體（Tesla T4）上，使用GPU加速的XGBoost訓練任務，可以獲得20倍以上的加速：