加速构建可扩展的 GPU 加速应用。

NVIDIA GPU 具备的计算能力可以应对当今极具挑战性的科学问题,研究人员、科学家和开发者目前正利用我们的 GPU 加速其高性能计算 (HPC) 应用,由此推进科学的发展。从计算科学到 AI,GPU 加速应用正在带来开创性的科学发现。另外,开发者还使用 C、C++、Fortran 和 Python 等主流语言来开发、优化和部署这些应用。


用于 HPC 的 GPU 编程

NVIDIA GPU 的编程方式与 CPU 十分类似。您可以先从替换经 GPU 优化的数学库着手。使用标准 C++ 并行算法和 Fortran 语言功能实现额外加速。使用杂注和指令弥补任何标准语言之间的差距,并最终利用 CUDA® 优化性能。


插入即用的 GPU 加速库可以轻松替换 CPU 库。

NVIDIA GPU 加速库能够感知多 GPU 和多节点,进而为 HPC 应用中的常见模式提供出色性能。我们提供已针对常用计算操作优化的各种库,可让您随心选择。

标准语言

标准 C++ 和 Fortran 中的并行功能可以将例程映射到多核心 CPU 的多个核心或单个 GPU。

NVIDIA C++17 编译器增加了对标准模板库 (STL) 上执行策略的支持,并且 NVIDIA Fortran 2008 编译器的 DO CONCURRENT 构造允许循环在没有相互依存性的情况下进行迭代。

指令

基于指令的编程模型可在 GPU、CPU 及其他设备上轻松实现并行计算。

如果标准语言不具备您获取良好性能所需的灵活性或功能,您便可使用指令进行增强并且仍可移植到其他编译器和平台。

CUDA

CUDA 是一个并行计算平台和编程模型,旨在为 GPU 加速应用提供出众的灵活性和出色的性能。

为了更大限度提升性能和灵活性,您需直接使用 CUDA C/C++ 或 CUDA Fortran 编写代码,以充分利用 GPU 硬件。


下载


NVIDIA HPC SDK

全套 Fortran、C 及 C++ 开发工具和库

NVIDIA HPC SDK 是一个功能全面的工具箱,便于 GPU 加速 HPC 建模和模拟应用。该工具箱中包含在 NVIDIA 平台上开发 HPC 应用所需的 C、C++ 和 Fortran 编译器、库及分析工具。使用 NVIDIA HPC SDK 更大限度提高生产力以及代码的性能和可移植性。


了解详情

高性能计算生态系统、行业和工具了解 HPC 库、标准语言、指令和 CUDA

科学家和研究人员

由于需要优先考虑科学发现,专业领域的科学家可利用 GPU 实现更快的结果,同时大幅减少编程工作量。计算流体力学、气候、天气和海洋、分子动力学、量子化学和物理学等领域的科学家可以看到,代码在 GPU 上的运行速度将能提升 3 到 10 倍。




“现在,研究人员可以利用 GPU 处理计算模型,以发掘准确、经济实惠且可实现的药物研发与设计。有了足够的计算资源,就可以在几天或几周(而非数月)内优化领先优势。”

Amber 共同开发者兼罗格斯大学副研究员 Taisung Lee


开始使用

  1. 检查您的应用是否已在 GPU 上加速。您可从 GPU 应用目录NVIDIA NGC™ 上的容器中获取相关列表。
  2. 如果您的代码尚未经过 GPU 加速,请下载 HPC SDK。此工具包中包含将 HPC C++ 或 Fortran 应用移植到 GPU 上运行所需的一切资源。

应用开发者

应用开发者期望在科学发现中实现任务关键型生产力。他们致力于提高效率、简化支持以延长代码寿命,并努力为用户实现卓越性能。在计算流体力学、计算化学、生物信息学和物理学等众多领域中,GPU 皆可使用旨在维持生产率的编程模型和工具对应用进行加速。




“GPU 加速有助于提升速度并降低成本,我们认为这两大优势将推动涡轮机械设计系统继续朝未来迈进。未来几年,速度更快、性能更强大的 GPU 将让目前无法实现的分析变得触手可及。”

ADSCFD 首席执行官 Michael Ni


开始使用

  1. 下载 HPC SDK。此工具包中包含将 HPC C++ 或 Fortran 应用移植到 GPU 上运行所需的一切资源。

教育工作者和引导师

教育工作者的任务是培养学生、计算机科学家和并行编程方面的专业领域研究人员,并帮助他们的校内人员开始使用 GPU 进行加速或继续优化代码。引导师与科学家合作,力在帮助其使用 GPU 加速代码。

NVIDIA 教育课程可以通过 NVIDIA 深度学习学院 (DLI) 的培训、教学套件、编程马拉松及训练营等多种实操形式教授。




“我教授的是包含 GPU 编程在内的并行编程课程,我发现已有的教学材料非常有用并且资源丰富。通过 GPU 加速科学计算程序,这些教学材料以及强大的 GPU 库和工具集对我的课程和跨学科研究大有助益。”

特拉华大学助理教授 Sunita Chandrasekaran


如需了解详情

  1. 请查看 NVIDIA DLI 提供的教学材料和实操研讨会。我们已在其中提供针对加速计算和 AI 的实战培训以及 NVIDIA 教学套件,这些套件是面向各个学科的全套课程解决方案,并包含简单易学的课程。
  2. 从 NGC 下载包含 Jupyter Notebook、幻灯片和 GitHub 访问权限的免费 OpenACC 训练材料
  3. 邀请您的团队参加 GPU 编程马拉松和训练营或莅临指导,您也可举办一次类似活动以加快推动科学代码成为贵组织不可或缺的力量。这些活动可以帮助您的团队通过大量实操体验以及与真实代码和数据的协作来掌握 GPU 编程技能。
  4. 请参阅 NVIDIA 技术博客,查看关于各种 HPC 编程主题的深度文章。

IT 支持

要让 HPC 科学家在 GPU 上成功对其代码进行加速,引导师和 IT 经理至关重要。HPC 应用需要一套独有的可靠硬件和软件,以及最新的工具、驱动、编译器和其他需要支持的资源。




“将代码移植到 GPU 有时会让新手畏缩不前。我们的团队通常会与研究人员合作,尽可能让移植过程变得简单顺畅。可用训练材料、编程马拉松、工具和编译器的多样性和质量使我们的工作更为高效,有助于加快相应领域研究人员的速度,并最终推动科学发展。”

Princeton 研究软件工程组经理 Ian Cosden


开始使用

  1. 探索 NGC 中的预构建容器,包括面向 HPC、深度学习以及机器学习且又支持 Docker 和 Singularity 的 GPU 优化软件。
  2. 研究用于在数据中心环境内管理 GPU 的 NVIDIA Data Center GPU Manager (DCGM) 工具套件。
  3. 了解 NVIDIA DGX™ 系统

探索技术内容

NVIDIA On-Demand 是一个面向所有 NVIDIA 开发者提供的资源库,其中包含了来自全球各地 NVIDIA GPU 技术大会的技术会议、播客、往期主题演讲、演示、研究海报以及更多内容,还包含先进的行业活动。要访问全部 NVIDIA On-Demand 上的内容,请登录您的开发者帐户。

立即访问