阿里云GPU云服务器现已支持NVIDIA RAPIDS加速库，是国内第一家提供RAPIDS加速库服务的公有云厂商。
RAPIDS，全称Real-time Acceleration Platform for Integrated Data Science，是NVIDIA针对数据科学和机器学习推出的一套开源GPU加速库，基于CUDA-X AI打造，可加速数据准备、模型训练和图分析。
使用RAPIDS加速库可以实现从数据准备、模型训练到预测整个端到端流程得到GPU的加速支持，大大提升任务的执行效率，在模型精度方面实现突破的同时降低基础架构TCO。
CUDNN已经成为GPU加速深度学习框架的标准加速库。
RAPIDS（如下图）提供的CUDF、CUML和CUGRAPH则提供了对数据准备、机器学习算法以及图分析的GPU加速库。
RAPIDS支持轻量级大数据框架DASK，使得任务可以获得多GPU、多节点的GPU加速支持。
RAPIDS以数据准备为起点，引入新型 GPU 数据框架 (cuDF)，进而能实现并行化数据加载和数据操作，充分利用 NVIDIA GPU 上的大型高带宽显存。 cuDF 为数据科学家提供了简单易用且基于 Python 的工具集，可以替换其已十分熟悉的pandas 工具集。数据科学家无需从头学习 NVIDIA CUDA 技术，只需要对现有代码做出极少量更改，便能够大幅提速数据准备，使其不再受限于 CPU 或 CPU 与内存之间的输入输出。
RAPIDS 还引入了不断发展壮大的全新 GPU 加速 ML 算法(cuML) 库，当中包括 XGBoost 等时下热门算法，以及 Kalman、K-means、 KNN、 DBScan、 PCA、 TSVD、 OLS 线性回归、Kalman Filtering 等算法。 ML 算法可产生大量数据传输，至今仍难以实现并行化。随着 GPU 加速的 ML 和 NVIDIA NVLink? 以及NVSwitch 架构陆续降临于 服务器系统，模型训练现可轻松分布于多个 GPU 和多个节点（系统）之间，几乎不会产生延迟，且能避过 CPU 与内存之间的输入输出瓶颈。
RAPIDS仅适用于特定的GPU型号（采用NVIDIA Pascal及以上架构的GPU），因此阿里云目前支持RAPIDS的实例规格有gn6i（Tesla T4）、gn6v（Tesla V100）、gn5（Tesla P100）和gn5i（Tesla P4）。
如何在GPU实例上使用RAPIDS加速库
关于如何在阿里云GPU实例上基于NGC环境使用RAPIDS加速库，请参考文档：在GPU实例上使用RAPIDS加速机器学习任务
按照上述文档，阿里云GPU可以运行一个单机的GPU加速的数据预处理+训练的XGBoost Demo，并对比GPU与CPU的训练时间。
用户也可以可以通过选择更多的数据量和GPU个数来验证多GPU的支持。
后续阿里云GPU还会继续提供更多的RAPIDS加速的最佳实践。
按照上述文档示例，在GN6i实例（Tesla T4）上，使用GPU加速的XGBoost训练任务，可以获得20倍以上的加速： 
