康奈爾大學(xué)使用MATLAB進行GPU性能測試

康奈爾大學(xué)高級計算中心(CAC)宣布正在同NVIDIA、Dell以及MathWorks合作,在新研究中使用MATLAB程序?qū)νㄓ肎PU進行性能測試。

　　該研究將在NVIDIA GPU上使用MATLAB應(yīng)用程序測試GPU計算的數(shù)據(jù)處理能力?？的螤柎髮W(xué)尤為關(guān)注以下兩個方面：一是在桌面上借助MathWorks并行計算工具箱使用多GPU，另一個就是通過MATLAB分布式計算服務(wù)器使用GPU集群。

　　康奈爾大學(xué)在Dell C6100服務(wù)器上進行該研究。其中Dell C6100服務(wù)器包括了C410x PCIe擴展機箱，通過C410x PCIe擴展機箱服務(wù)器能夠連接到NVIDIA Tesla M2070 GPU。

　　康奈爾大學(xué)高級計算中心的主管David Lifka說道：“我們選用了具有8個節(jié)點(每個節(jié)點包括8個CPU核心)以及8個NVIDIA Tesla M2070 GPU(每個具有448個CUDA核心)的設(shè)備進行測試。對于需要并行處理大量數(shù)據(jù)的研究人員來說，該測試環(huán)境非常有價值。”

　　例如，來自康奈爾大學(xué)醫(yī)學(xué)中心，密歇根大學(xué)醫(yī)療系統(tǒng)以及羅格斯大學(xué)計算的影像學(xué)和生物信息學(xué)實驗室的研究人員正在使用NVIDIA GPU和MATLAB進行模板匹配以加速并改進對癌細(xì)胞的診斷。使用MATLAB內(nèi)置的GPU函數(shù)，研究人員的代碼處理效率提高了14.7倍(從86.9秒降低為5.9秒)。對于每天需要處理眾多大規(guī)模圖像的病理學(xué)家來說，效率的提升非常顯著。相比之下，在GPU上運行MATLAB代碼要比沒有使用GPU的C++代碼快了4.8倍。而且由于MATLAB針對GPU進行了優(yōu)化，所以用戶不必學(xué)習(xí)另一門編程語言就能夠利用GPU的計算能力。

　　在另一個項目中，Theo Damoulas是可持續(xù)計算研究所(Institute for Computational Sustainability，ICS)的一名助理研究員，該研究所由美國國家科學(xué)基金會建立并由Carla Gomes教授所領(lǐng)導(dǎo)。Theo Damoulas通過綜合使用MATLAB內(nèi)置的GPU函數(shù)以及CUDA代碼，動態(tài)時間規(guī)劃(Dynamic Time Warping)計算的效率提升了12倍。動態(tài)時間規(guī)劃使用機器學(xué)習(xí)以及信號分析技術(shù)通過鳥飛行時的叫聲自動識別出其物種，非常耗費計算資源。自動進行物種分類要比手動快很多而且也更準(zhǔn)確，要做的第一步是創(chuàng)建大規(guī)模的網(wǎng)絡(luò)記錄，為詳細(xì)了解單個物種的遷移模型奠定基礎(chǔ)。

　　該項目是可持續(xù)計算研究所極具代表性的研究，通過在可持續(xù)研究中引入計算思維旨在為平衡環(huán)境，經(jīng)濟以及未來可持續(xù)發(fā)展需求提供解決方案?？沙掷m(xù)計算研究所包括了來自眾多組織的科學(xué)家，這些組織包括康奈爾大學(xué)，包德恩學(xué)院、保護基金會、哈佛大學(xué)、俄勒岡州立大學(xué)以及西北太平洋國家實驗室。

　　David Lifka指出：“隨著在康奈爾大學(xué)持續(xù)進行GPU性能測試和生產(chǎn)性運行，為提升科研人員使用MATLAB GPU計算的整體體驗，高級計算中心將不斷總結(jié)經(jīng)驗教訓(xùn)并探索移植MATLAB代碼的最佳實踐。”

　　康奈爾大學(xué)之前部署了一個用于實驗的包括512個核心的MATLAB資源，該項目由美國國際科學(xué)基金會所贊助，為與美國普度大學(xué)合作的研究團體使用高端資源提供了一條途徑。超過五十五萬個任務(wù)在該MATLAB資源上運行，有利地促進了研究，學(xué)生學(xué)習(xí)以及科學(xué)網(wǎng)關(guān)(Science Gateway)應(yīng)用。