企业官网建设流程全解析

高端网站建设1,前端响应式网站,找阿里巴巴购买做网站的软件,哪些网站可以免费做推广呢一、并行编程的平台和构架 并行编程目前是个趋势#xff0c;无论是科学计算还是大数据处理#xff0c;甚至目前爆火的AI大模型#xff0c;其底层都已经与并行编程紧密不可分了。其实并行技术有很多种情况#xff0c;最初是在软件上层#xff0c;有不少的并行库#xff0c…一、并行编程的平台和构架并行编程目前是个趋势无论是科学计算还是大数据处理甚至目前爆火的AI大模型其底层都已经与并行编程紧密不可分了。其实并行技术有很多种情况最初是在软件上层有不少的并行库特别是一些大的公司都会有自己的一套并行库比如微软PPL和谷歌的MapReduce模型等。但后来硬件的发展也开始提供一些并行的处理技术比如SIMD等然后硬件厂商也开始提供并行库如Intel和IBM等。随着实际应用的不断推进和GPU技术的成熟GPU并行基本已经成为目前最大的热门。而在GPU技术里主要又分为AMD和NVIDIA两家。同时各种技术的不断演进又催生出新的问题即标准的问题。这样又出现了基于标准的开源侧和基于硬件的硬件侧。所以说现在的并行框架库还是比较多的下面将对主流的进行一些初步的分析说明。二、硬件阵营和开源阵营以及标准刚刚提到过硬件的并行技术发展重点已经从CPU转向GPU或者说二者融合。AMD和NVIDIA两家公司作为目前世界上主要的GPU供应端都有自己的并行框架技术其中NVIDIA公司的CUDACompute Unified Device Architecture框架是市场上的“当红炸子鸡”。而竞争对手AMD肯定不能坐视不顾也推出了自己的并行框架ROCmRadeon Open Compute。其实大家往往有意无意的忽略另外一家GPU供应商Intel。其实他在集成板卡上占有重要的一席之地。当然它也推出了自己的并行框架TBB。当然目前在国内出现了不少的GPU厂商如昇腾、摩尔在线等但它们目前还处于一个成长阶段还需要进一步努力和发展。一谈到技术就会有开源和闭源两大阵营。而作为主流的并行框架ROCmAMD和CUDA(NVIDIA)正如旗帜分明前者开源后者闭源。开源对于开发者非常友好可以提供整体流程及内部技术的深入理解和学习应用。而闭源一般提供了更好的技术支持和技术应用。目前看来CUDA以其优异的表现和成熟的生态系统已经成为了主流。而AMD的ROCm则在奋起直追 不过目前看差距还是有点大。对于初学者来说守选CUDA进入到并行编程是一个不错的选择。而在并行技术发展过程中标准的统一本身就是一个迫切的问题。但标准的制定又是一个复杂的博弈过程。这需要所有参与者都要向着一个共同的目标不断前进这非常困难但又是非常重要的。当然它也有不少的小心思比如打破某家的技术垄断等等。当前主要的并行标准是OpenCLOpen Computing Language但它早已经不是单纯的并行标准而一个支持异构平台的开发的标准。它最初由苹果开发后由各大公司AMDIBMINTEL等但好像没有微软共同合作逐步完善并最终提交到Khronos Group进而在后面推出了OpenCL1.0,1.2,2.0,2.1,2.2,3.0等等版本。OpenCL还是一种编程框架它主要由三部分组成即平台API运行时API和编程语言。三、语言及模型支持与发展来到了开发者最关心的这么多的框架、硬件、标准以及它们间的互相相爱相杀的过程其实跟具体的程序员没多大关系。作为开发者程序员更关心的怎么使用它们。而这其中最重要的一环就是开发它们需要使用什么语言。从目前来看直接进行这些框架的开发普遍使用的是C/C语言。当然在上层的应用中各种语言就大行其道了特别是AI相关的Python占有绝对的主流。早期的GPU编程因为贴近于硬件C语言是不二的选择。但随着抽象程度的增加C被引入进来。但毕竟GPU编程不是C设计的主要面对对象。所以在这方面就有两个技术路线之争即异构平台上的语言模型之争。目前来看一种是以各大厂商推出的C ExtensionsC语言扩展模型为主包括CUDA的CHIPHeterogeneous-compute Interface for Portability的C等它们选择以编译器扩展和原生语法的增强等方式提供对GPU等硬件编程的优化和扩展能力。它强调对硬件的极致性能挖掘允许对设备内存及特定的设备指令进行直接操作。另外一种则是希望能够有一种基于C语言的更高层次的抽象的编程模型典型的就是SYCL。它通过统一不同平台代码的编写依靠OpenCL等底层运行时实现跨平台架构的兼容。它更倾向于可移植性和标准性对CLang/LLVM等工具有较强的依赖性。Intel的DPC也就是在前面分析TBB时需要的环境Intel oneAPI对SYCL支持的相当不错。而且SYCL2020中全面支持了C17标准这是一个明显的进步。另外C标准本身也在对并行技术不断的进行扩展和支持有可能在不久的将来C标准库中就会有完全支持并行的相关库出现。四、AI大模型与并行技术并行技术的发展其实与近些年AI特别是大模型的发展有着重要的关联。如果说原来并行技术在实际的应用中并不多见到现在几乎不管搞不搞AI的都要聊一聊并行。主要原因就在于这些年不论是从国际到国内从上层到民间都对AI持续不断的投入有着强相关。AI大模型一个显著的特点就是需要对大量的数据进行处理而大数据的处理并行技术会极大的提高处理效率而AI模型训练和推理都需要海量计算这些任务又具有很强的并行性如矩阵的计算而这恰恰又是并行技术的特长。综合之下现在的AI技术可以简单的认为已经与并行计算绑定在了一起。最典型的就是现在NVIDIA的高档GPU一卡难求进而表现为其股价一飞冲天。如果在未来的时间内仍然无法解决AI技术对算力的简单线性需求这一前提那么GPU的需求依然会快速增长也就是意味着并行编程框架库及其周围生态会成为一种天然的护城河。大家应该明白这句话的意思。CUDA开发依然会是主流。五、总结这篇文章不是技术文章是对技术整体路线和发展的一个整体的概要说明并没有深入的进行分析和对比。目的也很简单让广大的初学者在遇到一系列的名词术语时能够有一个清醒的认知。既不会陷入一家独大的思维又会眼花缭乱不知所措。正如小品中说的“先混个脸儿熟”。