文件名称：pyhpc-benchmarks:一套基准测试，可测试Python最流行的高性能库的顺序CPU和GPU性能
文件大小：236KB
文件格式：ZIP
更新时间：2024-05-21 11:04:57
python tensorflow gpu parallel-computing pytorch
适用于Python的HPC基准 这是一组基准测试，用于测试使用Python前端的各种计算后端的顺序CPU和GPU性能。 具体来说，我们想测试哪种高性能后端最适合地球物理（基于有限差分）的模拟。 内容 常问问题 为什么？ 科学的Python生态系统正在蓬勃发展，但是Python中的高性能计算还不是真正的事情。 我们尝试来更改此，但是我们应该使用哪个后端进行计算？ Python前端到高性能后端的开发需要大量的时间和资源，但是这些通常是为深度学习量身定制的。 我们想了解一下，通过（滥用）这些库进行地球物理建模，我们是否可以从这些进展中获利。 为什么基准看起来如此怪异？ 这些或多或少是逐字记录副本（即物理模型的实际部分）。 大多数地球系统和气候模型组件都基于有限差分方案来计算导数。 这可以通过数组的索引移位（例如0.5 * (arr[1:] + arr[:-1]) ， arr在每个点的一
【文件预览】：
pyhpc-benchmarks-master
----environment-cpu.yml(228B)
----utilities.py(4KB)
----backends.py(4KB)
----environment-gpu.yml(388B)
----LICENSE(1KB)
----benchmarks()
--------isoneutral_mixing()
--------__init__.py(0B)
--------turbulent_kinetic_energy()
--------equation_of_state()
----run.py(5KB)
----results()
--------pyhpc-benchmarks-colab.ipynb(6KB)
--------magni.md(40KB)
--------magni-run-all.sh(1KB)
--------colab.md(33KB)
--------magni-plots()
----.gitignore(1KB)
----plot.py(5KB)
----README.md(9KB)
----.flake8(158B)