Graham Lopez – NVIDIA 技術博客

在加速計算時代構建高性能應用

Mon, 25 Mar 2024 08:58:53 +0000

AI 正在通過新的數據處理、模擬和建模方法增強高性能計算 (HPC).由于這些新 AI 工作負載的計算需求，HPC 正在快速擴展。為了使應用程序能夠擴展到多 GPU 和多節點平臺，HPC 工具和庫必須支持這種增長。 NVIDIA 提供加速 HPC 軟件解決方案的全面生態系統，幫助您的應用程序滿足現代 AI 驅動工作負載的需求。除了問題修復和改進 HPC 編譯器的編譯時性能之外，HPC SDK 24.3 提供新功能，支持最新的 NVIDIA Grace Hopper 系統。在使用 OpenMP Target Offload 指令進行 GPU 編程時，NVIDIA HPC 編譯器提供統一的內存編譯模式。這增加了對 OpenACC 中 Grace Hopper 和 HMM 系統統一內存的現有支持，以及 CUDA Fortran 和標準并行度(stdpar) 編程模型，

Source

]]>

借助基礎 HPC 軟件發揮 NVIDIA Grace 和 NVIDIA Hopper 架構的強大功能

Thu, 16 Nov 2023 05:26:09 +0000

高性能計算（HPC）為模擬和建模、醫療健康、生命科學、工業和工程等領域的應用提供支持。在現代數據中心，HPC 與 AI 協同工作，以變革性的新方式利用數據。新一代 HPC 應用程序對性能和吞吐量的需求催生了一個能夠處理多種工作負載并在 CPU 和 GPU 之間實現緊密協作的加速計算平臺。NVIDIA Grace CPU 和 NVIDIA Hopper GPU 構成了用于 HPC 開發的行業領先硬件生態系統。 NVIDIA 提供了一系列工具、庫和編譯器，幫助開發者充分利用 NVIDIA Grace 和 NVIDIA Grace Hopper 架構的潛力。這些資源支持創新，并助力應用程序最大化地利用加速計算的優勢。此基礎軟件堆棧不僅提供了 GPU 加速的方法，還包括在基于 NVIDIA Grace 的系統上移植和優化應用程序的策略。

Source

]]>

借助 NVIDIA Grace Hopper 超級芯片簡化 HPC 的 GPU 編程

Mon, 13 Nov 2023 06:07:54 +0000

NVIDIA RTX GPU 中的 NVIDIA Grace Hopper 超級芯片系統為開發者處理 GPU 編程的方式帶來了一些戲劇性的變化。最值得注意的是，CPU 和 GPU 顯存之間的雙向、高帶寬和緩存一致性連接意味著用戶可以在使用單個統一地址空間的同時為這兩個處理器開發應用程序。每個處理器都保留自己的物理內存，該內存的設計具有與最適合每個處理器的工作負載相匹配的帶寬、延遲和容量特性。針對現有的獨立顯存 GPU 系統編寫的代碼將繼續保持高性能運行，而無需針對新的 NVIDIA Grace Hopper 架構進行修改。我們最近的博文借助異構內存管理簡化 GPU 應用程序開發詳細介紹了單地址空間為開發者帶來的一些優勢，以及它在通過 PCIe 連接至 x86_64 CPU 的 NVIDIA GPU 系統上的工作原理。所有應用程序線程（GPU 或…

Source

]]>

利用 AWS Graviton3 上的 SVE 加速 NVIDIA HPC 軟件

Mon, 19 Sep 2022 03:00:00 +0000

最新 NVIDIA HPC SDK 更新擴展了可移植性，現在支持基于 Arm 的 AWS Graviton 3 processor 。在本文中，您將學習如何使用 NVIDIA 編譯器啟用可縮放矢量擴展（ Scalable Vector Extension ， SVE ）自動矢量化，以最大限度地提高運行在 AWS Graviton3 CPU 上的 HPC 應用程序的性能。 NVIDIA HPC SDK 包括經過驗證的編譯器、庫和軟件工具，對于最大限度地提高開發人員生產力和為 CPU 、 CPU 或云構建 HPC 應用至關重要。 NVIDIA HPC compilers 為 NVIDIA GPU 和多核 Arm 、 OpenPOWER 或 x86-64 CPU 啟用跨平臺 C 、 C ++和 Fortran 編程。對于使用 OpenMP 、 OpenACC 和 CUDA 以 C…

Source

]]>