关于 Dataset 在 Datalore 中我们组建了一个 dataset (数据集) 其中包含 495 台 Nvidia 和 AMD Radeon GPU 的相关技术资料。 让我们来了解一下这些硬件随着时间的推移是如何逐渐进步的。 如何在 Datalore 中打开 Notebook？ Datalore 是由 JetBrains 托管的一款在线 Jupyter Notebook，并提供智能编码辅助。 Datalore 自带智能代码编辑器和强大的计算工具。 在此 Notebook 中点击右上角的 "Edit" 按钮。 数据集概览 该数据集包含 495 个 GPU 型号的详细信息： GPU 制造商 GPU 类型 名称 发布年份 Fab = 制造工艺 (nm)，这定义了处理程序中晶体管的大小 晶体管数量（百万） 裸芯片尺寸 内存大小，以兆字节（MB）为单位 GFLOPS = 每秒数十亿次浮点运算（32 位精度） TDP（热设计功率）= 计算机芯片或组件产生的最大热量。 晶体管的摩尔定律 摩尔定律说，集成电路中的晶体管数量每 2 年就会增加一倍。 我们来看看它是否也适用于 GPU! 从下面的图中我们可以看到，摩尔定律在 2019-2020 年仍然有效，但在 2006-2018 年，增长几乎是线性的。 然而，摩尔定律对于晶体管密度几乎是正确的。 您可以根据下图

我们开发这一项目已有一段时间了，是时候向大家说明什么是 Datalore 以及它如何在您的数据科学之旅中提供帮助了。 我们将 Datalore 定义为提供智能编码辅助的在线数据科学 Notebook。 我们来详细了解一下定义。 Datalore 在线 在 Datalore 中，所有计算都在云端执行。 要运行 Python 和 Kotlin 代码，您只需要打开浏览器，在 datalore.jetbrains.com 下注册，然后创建您的第一个笔记本。 无需其他设置。 Datalore 中已预安装顶级数据科学库。 立即试用 为数据科学而生 Datalore 旨在帮助数据科学家和分析师完成他们的日常任务。 使用 Datalore，您可以： 收集和探索数据 创建机器学习和深度学习模型 可视化结果并与其他人共享 Datalore 支持 Notebook 您可以导入和导出.ipynb 和 .datalore Notebook。 要运行代码，您可以在 Ipython 内核、实验性 Datalore 内核和 Zeppelin 内核中选择。 在 Datalore 代码编辑器中，支持 Markdown 和 LaTex，这让您能够更高效地交流想法。 我们也完善了 Notebook 的外观并引入了： 免打扰模式和“拆分视图”选项 单元工具栏，可以快速添加 Markdown 和代码单元