数据科学

体验 NVIDIA cuOpt 加速优化,提高运营效率

本周的 Model Monday 版本亮点是 NVIDIA cuOpt,这是一款创新的加速优化引擎,专为帮助团队解决复杂的路线规划问题而设计。它为组织提供了重塑物流、运营研究、运输和供应链优化的能力。NVIDIA cuOpt 支持多种物流优化用例,包括:

  • 最后一英里交付 (LMD)
  • 现场调度
  • 车队管理
  • 仓库和工厂机器人
  • 供应链管理 (SCM)
  • 上下车

最终,cuOpt 可以帮助组织增加收入、降低成本并提高客户满意度。

本文介绍了两种探索 cuOpt 功能的方法:使用 NVIDIA AI 基础模型和端点,以及使用 NVIDIA LaunchPad

使用 NVIDIA AI 基础模型和端点试用 cuOpt

NVIDIA AI 基础模型针对企业生成式 AI 进行了优化。您可以与NVIDIA cuOpt通过 API 和基于用户界面的演示使用样本数据。这是一个开放访问平台,可在托管环境中使用,因此您不需要使用具有 GPU 加速功能的服务器。

即使对于那些可能不熟悉优化的人来说,也很容易开始使用 cuOpt.只需浏览 Web GUI,即可通过以下两种方式之一体验模型:基于 API 的脚本演示 (REST 端点) 或基于 UI 的演示。模型中预加载了三个示例数据集。要详细了解每个数据集,请参阅技术概览

对于数据自定义,基于 API 的演示和基于 UI 的演示的功能存在一些差异,详情如下。

基于 API 的演示

对于 AI 开发者、技术产品经理和 AI 从业者而言,基于 API 的演示是一个不错的选择。

NVIDIA 提供了一个 JSON 文件,其中包含经过预处理的数据,并可随时提交给 cuOpt。用户可以原样提交数据,也可以直接在单元中的 API 调用中编辑数据。要使用自己的数据,请完成数据预处理,并以 JSON 格式将其引入 AI 基础端点。

Screenshot of NVIDIA cuOpt API-based demo input and output cell of the API call.
图 1.基于 cuOpt API 的演示提供预处理数据,可在 API 调用中直接使用或编辑

基于 UI 的演示

基于 UI 的演示对希望更好地了解 cuOpt 的特性和功能的高管、IT 和 AI 领导者以及业务部门高管非常有益。

Screenshot of a UI-based demo in an NVIDIA AI Foundation Endpoint where a user can try the cuOpt accelerated optimization engine.
图 2.探索基于 UI 的演示,以更好地了解 cuOpt 的特性和功能

NVIDIA 提供示例数据集和包含输入数据的 JSON 文件,这些数据集和文件可随时提交至 cuOpt。在交互式演示中,用户可以选择要在输入数据中包含的约束。然后,系统会显示输出以及约束对输出的影响。在此演示环境中,使用您自己的数据不是一个选项。

使用 NVIDIA LaunchPad 试用 cuOpt

NVIDIA LaunchPad 提供了一个免费的互联网浏览器访问平台,让您能够远程使用 NVIDIA 加速的硬件和软件。通过 LaunchPad,您可以在一个托管环境中体验 cuOpt。这一选项特别适合那些在优化领域拥有丰富实战经验的专业人士,如数据科学家或优化科学家。

首先,提交 LaunchPad 路由优化动手实验室的访问请求。本实验使用 NVIDIA cuOpt Cloud 服务优化车队的路线。其中包含 Jupyter Notebook,可引导您完成数据预处理步骤和每个数据字段的定义,从而提供更具参与度和指导性的学习体验。

Screenshot of NVIDIA LaunchPad Route Optimization hands-on lab.
图 3.使用 NVIDIA LaunchPad 在托管环境中试用 cuOpt

从路由优化实验室指南开始。在这里,您可以探索提供预加载数据集的 Jupyter Notebook。

Jupyter Notebook that shows the preloaded datasets in NVIDIA LaunchPad.
图 4.在 Jupyter Notebook 中探索预加载的数据集

数据集前提条件

其中包含一系列示例合成数据集,可将订单分配给一批配送驱动程序。每个用例中都使用三个 CSV 文件将驱动程序分配给相应的订单:订单、仓库和路线。此外,您还可以使用 Jupyter Notebook 上传自己的数据。

详细的数据集前提条件如下:

  • 输入格式:三个文件,分别是订单、车辆和任务数据集。每个数据集应包含相关数据的列,例如位置、运营时间、需求等。请参阅预加载数据集中的详细数据字段。
  • 输入参数:上传到 Jupyter Notebook 进行数据预处理的 CSV 文件。将其另存为 JSON 文件以进行 cuOpt API 调用。
  • 与输入相关的其他属性:最多 1K 个位置。没有最大字符数量或 JSON 文件大小。预处理用于将约束转换为整数和布尔值。有关特定输入约束的更多信息,请参阅技术概览

预加载的数据集

以下数据包含在预加载的数据集中:

  • 订单数据:目的地的地理位置信息(包括经度和纬度)、订单需求或重量以及可交付订单的时间窗口。
  • 车辆数据:指定车辆和驾驶员特征,例如车辆类型和每辆车可处理的最大容量,甚至是驾驶员的休息时间。
  • 存储数据:关于仓库/配送中心的出发地点和运营时间的信息。
A visual that shows the route optimization workflow diagram.
图 5. NVIDIA 路线优化工作流程图

总结

详细了解 NVIDIA cuOpt 如何借助 NVIDIA AI 基础模型和端点,或免费试用 NVIDIA LaunchPad,改变您的物流运营。要比较这两个选项之间的差异,请参阅表 1、

  NVIDIA AI 基础模型和端点 NVIDIA LaunchPad
定义 一款交互式工具,在托管环境中包含预加载的样本数据以及基于 API 和 UI 的演示 通过互联网浏览器访问的托管环境,用户可以上传自己的数据以获得定制体验
访问权限 开放访问 请求访问权限
时长 无限 短期
主要优势 直观的学习体验 自带数据
表 1. NVIDIA cuOpt 的两种试用方式对比

加入我们的 NVIDIA GTC 2024 会议,您可以向 NVIDIA 的优化 AI 工程经理 Alex Fender 了解更多信息,并参加 DLI 培训,以学习如何使用我们的路线优化微服务提高效率并节省成本。请访问以下链接获取更多信息:优化 AI 领域的进展了解如何使用我们的路线优化微服务提高效率并节省成本

如果您想及时了解 NVIDIA cuOpt 的最新动态,包括优化引擎、云服务和生产部署信息,请注册以接收 NVIDIA cuOpt 新闻

 

标签