GPU Guide
1.0.0
ملحوظة: يمكنك بسهولة تحويل ملف تخفيض السعر هذا إلى ملف PDF في VSCode باستخدام هذا الامتداد المفيد Markdown PDF.
كيف تعمل وحدة المعالجة المركزية ووحدة معالجة الرسومات معًا عند تشغيل كود التطبيق.
بنية الذاكرة الموحدة
موارد التعلم GPU
الشحنة الكهربائية والمجال والجهد
الشحنة والقوة الكهربائية (قانون كولوم): الشحنة الكهربائية والمجال والجهد
المجال الكهربائي: الشحنة الكهربائية والمجال والجهد
الطاقة الكهربائية الكامنة، الإمكانات الكهربائية، والجهد: الشحنة الكهربائية، المجال، والجهد
الدوائر
قانون أوم والدوائر ذات المقاومات: الدوائر
الدوائر ذات المكثفات: الدوائر
القوى المغناطيسية والمجالات المغناطيسية وقانون فاراداي
المغناطيس والقوة المغناطيسية: القوى المغناطيسية والمجالات المغناطيسية وقانون فاراداي
المجال المغناطيسي الناتج عن التيار: القوى المغناطيسية، المجالات المغناطيسية، وقانون فاراداي
المحركات الكهربائية: القوى المغناطيسية، المجالات المغناطيسية، وقانون فاراداي
التدفق المغناطيسي وقانون فاراداي
الموجات الكهرومغناطيسية والتداخل
مقدمة عن الموجات الكهرومغناطيسية: الموجات الكهرومغناطيسية والتداخل
تداخل الموجات الكهرومغناطيسية
البصريات الهندسية
الانعكاس والانكسار: البصريات الهندسية
المرايا: بصريات هندسية
العدسات
الجبر الخطي
الافتراضية
الحوسبة المتوازية
تطوير OpenCL
تطوير كودا
الخوارزميات
التعلم الآلي
تطوير التعلم العميق
تطوير رؤية الكمبيوتر
الألعاب
تطوير اللعبة
تطوير برنامج OpenGL
تطوير فولكان
تطوير دايركت اكس
تطوير الصوت/الفيديو الاحترافي
الرسومات والتصميم ثلاثي الأبعاد
أبل السيليكون
تطوير ML الأساسي
تطوير المعادن
تطوير ماتلاب
تطوير سي/سي++
تطوير بايثون
تطوير البحث
تطوير جوليا
العودة إلى الأعلى
وحدة معالجة الرسومات (GPU) عبارة عن دائرة تتكون من مئات النوى التي يمكنها التعامل مع آلاف الخيوط في وقت واحد. يمكن لوحدة معالجة الرسومات معالجة الذاكرة وتغييرها بسرعة لتسريع إنشاء الصور في مخزن مؤقت للإطار مخصص للإخراج إلى جهاز العرض. يتم استخدامها في الأنظمة المدمجة والهواتف المحمولة وأجهزة الكمبيوتر الشخصية ومحطات العمل الاحترافية ووحدات التحكم في الألعاب.
ذاكرة الوصول العشوائي (RAM) هي أحد أشكال ذاكرة الكمبيوتر التي يمكن قراءتها وتغييرها بأي ترتيب، وعادة ما تستخدم لتخزين بيانات العمل ورمز الجهاز. يسمح جهاز ذاكرة الوصول العشوائي بقراءة عناصر البيانات أو كتابتها في نفس مقدار الوقت تقريبًا بغض النظر عن الموقع الفعلي للبيانات داخل الذاكرة، على عكس وسائط تخزين البيانات الأخرى ذات الوصول المباشر.
ذاكرة الوصول العشوائي للفيديو (VRAM) هي ذاكرة الوصول العشوائي المخصصة لتخزين البيانات المتعلقة بالصور أو الرسومات. وهي تعمل بنفس طريقة عمل ذاكرة الوصول العشوائي (RAM)، حيث تقوم بتخزين بيانات محددة لتسهيل الوصول إليها والأداء. تتم قراءة بيانات الصورة أولاً بواسطة المعالج ويتم كتابتها على VRAM. ثم يتم تحويله بواسطة RAMDAC أو محول RAM من رقمي إلى تناظري ويتم عرضه كمخرج رسومات.
معدل البيانات المزدوج للرسومات (GDDR) SDRAM هو نوع من ذاكرة الوصول العشوائي للرسومات المتزامنة (SGRAM) مع واجهة عرض النطاق الترددي العالي ("معدل البيانات المزدوج") المصممة للاستخدام في بطاقات الرسومات ووحدات تحكم الألعاب والحوسبة عالية الأداء.
وحدة معالجة الرسومات المتكاملة (IGPU) هي مكون مبني على نفس القالب (دائرة متكاملة) مع وحدة المعالجة المركزية (AMD Ryzen APU أو Intel HD Graphics) التي تستخدم جزءًا من ذاكرة الوصول العشوائي لنظام الكمبيوتر بدلاً من ذاكرة الرسومات المخصصة.
Tensor هو كائن جبري يصف علاقة متعددة الخطوط بين مجموعات من الكائنات الجبرية المرتبطة بمساحة متجهة. الكائنات التي يمكن للموترات تعيينها بين المتجهات والكميات القياسية والموترات الأخرى.
الموترات عبارة عن صفائف متعددة الأبعاد ذات نوع موحد (يسمى dtype).
Tensor Cores عبارة عن مسرع استدلال للذكاء الاصطناعي في وحدات معالجة الرسومات NVIDIA التي توفر أداءً أعلى من حيث الحجم مع دقة منخفضة مثل TF32 وbfloat16 وFP16 وINT8 وINT4 وFP64، لتسريع الحوسبة العلمية بأعلى دقة مطلوبة.
RT (تتبع الشعاع في الوقت الحقيقي) Cores عبارة عن تسريع تتبع الشعاع قائم على الأجهزة، يعمل على تسريع وظائف اجتياز التسلسل الهرمي لحجم الحدود (BVH) واختبار تقاطع الشعاع/المثلث (صب الشعاع). تقوم RT Cores بإجراء اختبار الرؤية نيابة عن الخيوط التي تعمل في SM، مما يسمح لها بالتعامل مع أعمال تظليل أخرى للرأس والبكسل والحساب.
وحدة المعالجة المركزية (CPU) عبارة عن دائرة تتكون من مراكز متعددة تقوم بتنفيذ التعليمات التي تشتمل على برنامج كمبيوتر. تقوم وحدة المعالجة المركزية بتنفيذ العمليات الحسابية والمنطقية والتحكمية الأساسية وعمليات الإدخال/الإخراج (I/O) المحددة بواسطة التعليمات الموجودة في البرنامج. ويختلف هذا عن المكونات الخارجية الأخرى مثل الذاكرة الرئيسية ودوائر الإدخال والإخراج ووحدات معالجة الرسومات (GPUs).
وحدة المعالجة السريعة AMD (APU) هي سلسلة من المعالجات الدقيقة 64 بت من الأجهزة الدقيقة المتقدمة (AMD)، المصممة للعمل كوحدة معالجة مركزية (CPU) ووحدة معالجة الرسومات (GPU) على قالب واحد.
معالج المتجهات عبارة عن وحدة معالجة مركزية (CPU) تنفذ مجموعة تعليمات حيث تم تصميم تعليماتها للعمل بكفاءة وفعالية على صفائف كبيرة أحادية البعد من البيانات تسمى المتجهات.
معالجة الإشارات الرقمية (DSP) هي تطبيق كمبيوتر رقمي لتعديل إشارة تناظرية أو رقمية. يتم استخدامه بشكل واسع في العديد من التطبيقات بما في ذلك اتصالات الفيديو/الصوت/البيانات والشبكات، والتصوير الطبي ورؤية الكمبيوتر، وتوليف الكلام والترميز، والصوت والفيديو الرقمي، والتحكم في الأنظمة المعقدة والعمليات الصناعية.
معالجة إشارة الصورة (ISP) هي عمليات تحويل الصورة إلى شكل رقمي عن طريق إجراء عمليات مثل تقليل الضوضاء، والتعرض التلقائي، والتركيز التلقائي، وتوازن اللون الأبيض التلقائي، وتصحيح HDR، وتوضيح الصورة باستخدام نوع متخصص من معالج الوسائط.
الدوائر المتكاملة الخاصة بالتطبيقات (ASICs) عبارة عن شريحة دوائر متكاملة (IC) مخصصة لاستخدام معين في الأنظمة المدمجة، والهواتف المحمولة، وأجهزة الكمبيوتر الشخصية، ومحطات العمل الاحترافية، وليست مخصصة للاستخدام العام.
تعليمات واحدة، بيانات متعددة (SIMD) هي نوع من المعالجة المتوازية التي تصف أجهزة الكمبيوتر التي تحتوي على عناصر معالجة متعددة تؤدي نفس العملية على نقاط بيانات متعددة في وقت واحد.
ما هي وحدة معالجة الرسومات؟ وحدات معالجة الرسومات المحددة | إنتل
معهد التعلم العميق والحلول التدريبية | نفيديا
دورات التعلم العميق عبر الإنترنت | نفيديا
المقررات الجامعية الحالية | مطور نفيديا
استخدام وحدات معالجة الرسومات لتوسيع نطاق التعلم العميق وتسريعه | إدكس
أهم دورات GPU عبر الإنترنت | كورسيرا
برمجة CUDA GPU من المبتدئين إلى المتقدمين | يوديمي
حوسبة GPU في فولكان | يوديمي
دورة معمارية GPU | جامعة واشنطن
العودة إلى الأعلى
- Charge and electric force (Coulomb's law): Electric charge, field, and potential - Electric field: Electric charge, field, and potential - Electric potential energy, electric potential, and voltage: Electric charge, field, and potential
الطاقة الكهربائية الكامنة. المصدر: سباركفون
العودة إلى الأعلى
- Ohm's law and circuits with resistors: Circuits - Circuits with capacitors: Circuits
الدوائر الكهربائية. المصدر: سدسو-الفيزياء
رموز الدوائر. المصدر: andrewpover.co.uk
العودة إلى الأعلى
- Magnets and Magnetic Force: Magnetic forces, magnetic fields, and Faraday's law - Magnetic field created by a current: Magnetic forces, magnetic fields, and Faraday's law - Electric motors: Magnetic forces, magnetic fields, and Faraday's law - Magnetic flux and Faraday's law
المجال المغنطيسي. المصدر: فيكيتيزي
قانون أمفير. المصدر: سدسو-الفيزياء
قانون فارادي. المصدر: سدسو-الفيزياء
العودة إلى الأعلى
- Introduction to electromagnetic waves: Electromagnetic waves and interference - Interference of electromagnetic waves
الموجة الكهرومغناطيسية. المصدر: الفرق بين
طيف التداخل الكهرومغناطيسي. المصدر: electric4u
العودة إلى الأعلى
- Reflection and refraction: Geometric optics - Mirrors: Geometric optics - Lenses
البصريات الهندسية - Raytracing. المصدر: سدسو-الفيزياء
البصريات الهندسية - الانعكاس. المصدر: سدسو-الفيزياء
العودة إلى الأعلى
الجبر الخطي هو رياضيات المتجهات والمصفوفات. الشرط الأساسي الوحيد لهذا الدليل هو الفهم الأساسي لمفاهيم الرياضيات في المدرسة الثانوية مثل الأرقام والمتغيرات والمعادلات والعمليات الحسابية الأساسية على الأعداد الحقيقية: الجمع (يشار إليه بـ +)، والطرح (يشار إليه بـ -)، والضرب (يشار إليه ضمنيًا)، و القسمة (الكسور). يجب أيضًا أن تكون على دراية بالدوال التي تأخذ الأعداد الحقيقية كمدخلات وتعطي أرقامًا حقيقية كمخرجات، f : R → R.
الجبر الخطي - دورات عبر الإنترنت | جامعة هارفارد
الجبر الخطي | مكتبة التعلم المفتوحة بمعهد ماساتشوستس للتكنولوجيا
الجبر الخطي – أكاديمية خان
أفضل دورات الجبر الخطي على كورسيرا
الرياضيات للتعلم الآلي: الجبر الخطي على كورسيرا
أفضل دورات الجبر الخطي على Udemy
تعلم الجبر الخطي من خلال الدورات والفصول الدراسية عبر الإنترنت على edX
رياضيات علوم البيانات: دورة الجبر الخطي على edX
الجبر الخطي في خمسة وعشرين محاضرة | جامعة كاليفورنيا في ديفيس
الجبر الخطي | امتداد جامعة كاليفورنيا في سان دييغو
الجبر الخطي للتعلم الآلي | امتداد جامعة كاليفورنيا في سان دييغو
مقدمة إلى الجبر الخطي، فيديو تفاعلي عبر الإنترنت | ولفرام
موارد الجبر الخطي | دارتموث
نحن الآن نحدد العمليات الحسابية للمتجهات. العمليات التي يمكننا تنفيذها على المتجهات ~u = (u1, u2, u3) و ~v = (v1, v2, v3) هي: الجمع، الطرح، القياس، القاعدة (الطول)، الضرب النقطي، الضرب الاتجاهي:
يمكن أيضًا وصف المنتج النقطي والمنتج المتقاطع لمتجهين من حيث الزاوية θ بين المتجهين.
عمليات المتجهات. المصدر: خدمة الشرائح
عمليات المتجهات. المصدر: بينتريست
نشير بـ A إلى المصفوفة ككل ونشير إلى مدخلاتها بـ aij. العمليات الرياضية المحددة للمصفوفات هي كما يلي:
• المحدد (يشار إليه بـ det(A) أو |A|) لاحظ أن حاصل ضرب المصفوفة ليس عملية تبادلية.
عمليات المصفوفة. المصدر: فيزياء سدسو
تحقق من الوحدات التي تسمح بعمليات المصفوفة. المصدر: مفاهيم DPS
يعد منتج المصفوفة المتجه حالة خاصة مهمة لمنتج المصفوفة.
هناك طريقتان مختلفتان بشكل أساسي ولكنهما متكافئتان لتفسير منتج المصفوفة المتجهة. في صورة العمود (C)، ينتج عن ضرب المصفوفة A بواسطة المتجه ~x مجموعة خطية من أعمدة المصفوفة: y = A x = x1A[:,1] + x2A[:,2]، حيث A[:,1] و A[:,2] هما العمودان الأول والثاني من المصفوفة A. في صورة الصف، (R)، يؤدي ضرب المصفوفة A بالمتجه ~x إلى إنتاج متجه عمود بمعاملات يساوي المنتجات النقطية لـ صفوف المصفوفة مع المتجه ~x.
منتج مصفوفة المتجهات. المصدر: ويكيميديا
منتج مصفوفة المتجهات. المصدر: Mathisfun
يتم استخدام حاصل ضرب المصفوفة والمتجه لتحديد مفهوم التحويل الخطي، وهو أحد المفاهيم الأساسية في دراسة الجبر الخطي. يمكن اعتبار الضرب في مصفوفة A ∈ R m×n بمثابة حساب تحويل خطي TA يأخذ نواقل n كمدخلات وينتج نواقل m كمخرجات:
التحولات الخطية. المصدر: خدمة الشرائح
المصفوفات الأولية للتحولات الخطية في R^2. المصدر: كورا
النظرية الأساسية للجبر الخطي للفضاءات المتجهة. المصدر: ويكيميديا
النظرية الأساسية للجبر الخطي. المصدر: ولفرام
نظام المعادلات الخطية عن طريق الرسوم البيانية. المصدر: مشاركة الشرائح
أنظمة المعادلات كمعادلات مصفوفية. المصدر: Mathisfun
في هذا القسم سنلقي نظرة على عدة طرق مختلفة لحساب معكوس المصفوفة. معكوس المصفوفة فريد من نوعه، لذا بغض النظر عن الطريقة التي نستخدمها للعثور على معكوس المصفوفة، فسنحصل دائمًا على نفس الإجابة.
معكوس مصفوفة 2x2. المصدر: بينتريست
أحد الأساليب لحساب المعكوس هو استخدام إجراء الحذف غاوس-جوردان.
عمليات الصف Elementray. المصدر: يوتيوب
كل عملية صفية نقوم بها على المصفوفة تعادل الضرب الأيسر في مصفوفة أولية.
المصفوفات الابتدائية. المصدر: فيزياء سدسو
العثور على معكوس المصفوفة هو استخدام طريقة النقل.
تبديل المصفوفة. المصدر: خدمة الشرائح
نناقش في هذا القسم عددًا من الموضوعات المهمة الأخرى في الجبر الخطي.
بشكل بديهي، الأساس هو أي مجموعة من المتجهات التي يمكن استخدامها كنظام إحداثي لمساحة متجهة. أنت بالتأكيد على دراية بالأساس القياسي للمستوى xy الذي يتكون من محورين متعامدين: المحور x والمحور y.
أساس. المصدر: ويكيميديا
تغيير الأساس. المصدر: ويكيميديا
تمثيلات المصفوفة للتحولات الخطية. المصدر: خدمة الشرائح
يتم تعريف بُعد مساحة المتجه على أنه عدد المتجهات في أساس مساحة المتجه تلك. خذ بعين الاعتبار الفضاء المتجه التالي S =span{(1, 0, 0),(0, 1, 0),(1, 1, 0)}. بما أن الفضاء موصوف بثلاثة متجهات، فقد نعتقد أن S ثلاثي الأبعاد. لكن هذا ليس هو الحال، نظرًا لأن المتجهات الثلاثة ليست مستقلة خطيًا، لذا فهي لا تشكل أساسًا لـ S. هناك متجهان كافيان لوصف أي متجه في S؛ يمكننا أن نكتب S =span{(1, 0, 0),(0, 1, 0)}، ونرى أن هذين المتجهين مستقلان خطيًا بحيث يشكلان أساسًا وdim(S) = 2. هناك قاعدة عامة إجراء لإيجاد أساس لمساحة المتجهات. لنفترض أنك حصلت على وصف لمساحة متجهة من حيث m Vectors V =span{~v1, ~v2, . . . ، ~vm} ويطلب منك العثور على أساس لـ V والبعد V. للعثور على أساس لـ V، يجب أن تجد مجموعة من المتجهات المستقلة خطيًا التي تمتد عبر V. يمكننا استخدام إجراء الحذف Gauss-Jordan لـ إنجاز هذه المهمة. اكتب المتجهات ~vi كصفوف مصفوفة M. مساحة المتجه V تتوافق مع مساحة صف المصفوفة M. بعد ذلك، استخدم عمليات الصف للعثور على نموذج الصف المخفض (RREF) للمصفوفة M. منذ عمليات الصف لا تغير مساحة الصف للمصفوفة، فمساحة الصف لشكل الصف المخفض للمصفوفة M هي نفس مساحة الصف لمجموعة المتجهات الأصلية. تشكل الصفوف غير الصفرية في RREF للمصفوفة أساسًا لمساحة المتجه V وأعداد الصفوف غير الصفرية هي بُعد V.
الأساس والبعد. المصدر: سلايدرزرف
تذكر المسافات المتجهة الأساسية للمصفوفات التي حددناها في القسم II-E: مساحة العمود C(A)، والمسافة الخالية N (A)، ومساحة الصف R(A). أحد أسئلة اختبار الجبر الخطي القياسي هو إعطاؤك مصفوفة معينة A ويطلب منك العثور على البعد والأساس لكل من مساحاتها الأساسية. في القسم السابق وصفنا إجراءً يعتمد على حذف Gauss-Jordan والذي يمكن استخدامه "لتقطير" مجموعة من المتجهات المستقلة خطيًا والتي تشكل أساسًا لمساحة الصف R(A). سنوضح الآن هذا الإجراء بمثال، ونوضح أيضًا كيفية استخدام RREF للمصفوفة A للعثور على قواعد C(A) وN (A).
مساحة الصف ومساحة العمود. المصدر: مشاركة الشرائح
مساحة الصف ومساحة العمود. المصدر: مشاركة الشرائح
الرتبة والعدم. المصدر: مشاركة الشرائح
هناك فرق مهم بين المصفوفات القابلة للعكس وتلك التي لم يتم صياغتها بشكل رسمي من خلال النظرية التالية. نظرية. بالنسبة للمصفوفة n×n A، العبارات التالية متكافئة:
نظرية المصفوفة المعكوسة. المصدر: فيزياء سدسو
محدد المصفوفة، الذي يُشار إليه بـ det(A) أو |A|، هو طريقة خاصة لدمج إدخالات المصفوفة التي تعمل على التحقق مما إذا كانت المصفوفة قابلة للعكس أم لا.
محدد المصفوفة المربعة. المصدر: تبادل المكدس
محدد المصفوفة. المصدر: تعلم الرياضيات عبر الإنترنت
مجموعة المتجهات الذاتية للمصفوفة هي مجموعة خاصة من متجهات الإدخال التي يوصف عمل المصفوفة بأنها مقياس بسيط. عندما يتم ضرب المصفوفة بأحد ناقلاتها الذاتية فإن الناتج يكون هو نفس المتجهات الذاتية مضروبا في ثابت A e lect = lect e . يُسمى الثابت lect بالقيمة الذاتية لـ A.
المتجهات الذاتية المعممة. المصدر: يوتيوب
الانحدار الخطي هو أسلوب لنمذجة العلاقة بين متغيرين عن طريق تركيب معادلة خطية على البيانات المرصودة. ويعتبر أحد المتغيرين متغيرا تفسيريا، ويعتبر الآخر متغيرا تابعا.
الانحدار الخطي المتعدد. المصدر: متوسط
العودة إلى الأعلى
HVM (Hardware Virtual Machine) هو نوع من المحاكاة الافتراضية يوفر القدرة على تشغيل نظام التشغيل مباشرة أعلى جهاز ظاهري دون أي تعديل، كما لو تم تشغيله على أجهزة معدنية عارية.
PV (ParaVirtualization) هي تقنية افتراضية فعالة وخفيفة الوزن قدمها فريق مشروع Xen، وتم اعتمادها لاحقًا بواسطة حلول افتراضية أخرى. لا تتطلب الطاقة الكهروضوئية امتدادات المحاكاة الافتراضية من وحدة المعالجة المركزية المضيفة، وبالتالي تتيح المحاكاة الافتراضية على بنيات الأجهزة التي لا تدعم المحاكاة الافتراضية بمساعدة الأجهزة.
المحاكاة الافتراضية لوظائف الشبكة (NFV) هي استبدال أجهزة الشبكة بالأجهزة الافتراضية. تستخدم الأجهزة الافتراضية برنامج Hypervisor لتشغيل برامج وعمليات الشبكة مثل التوجيه وموازنة التحميل. يسمح NFV بفصل خدمات الاتصال عن الأجهزة المخصصة، مثل أجهزة التوجيه وجدران الحماية. ويعني هذا الفصل أن عمليات الشبكة يمكنها توفير خدمات جديدة ديناميكيًا ودون تثبيت أجهزة جديدة. يستغرق نشر مكونات الشبكة مع المحاكاة الافتراضية لوظائف الشبكة ساعات فقط مقارنة بالأشهر كما هو الحال مع حلول الشبكات التقليدية.
الشبكات المعرفة بالبرمجيات (SDN) هي أسلوب للتواصل يستخدم وحدات تحكم قائمة على البرامج أو واجهات برمجة التطبيقات (APIs) للتواصل مع البنية التحتية للأجهزة الأساسية وتوجيه حركة المرور على الشبكة. ويختلف هذا النموذج عن الشبكات التقليدية، التي تستخدم أجهزة مخصصة (أجهزة التوجيه والمحولات) للتحكم في حركة مرور الشبكة.
Virtual Infrastructure Manager (VIM) هو عبارة عن خدمة توصيل وخفض التكاليف من خلال إدارة دورة الحياة عالية الأداء. إدارة دورة الحياة الكاملة للبرامج والأجهزة التي تشتمل على البنية الأساسية لـ NFV (NFVI)، والحفاظ على المخزون المباشر وخطة التخصيص لكل من الموارد المادية والافتراضية.
الإدارة والتنسيق (MANO) هي مبادرة يستضيفها ETSI لتطوير مجموعة برامج إدارة وتنسيق NFV مفتوحة المصدر (MANO) تتماشى مع ETSI NFV. اثنان من المكونات الرئيسية للإطار المعماري ETSI NFV هما مُنسق NFV ومدير VNF، المعروفين باسم NFV MANO.
Magma عبارة عن منصة برمجية مفتوحة المصدر توفر لمشغلي الشبكات حلاً لشبكات الهاتف المحمول الأساسية مفتوحًا ومرنًا وقابل للتوسيع. وتتمثل مهمتهم في ربط العالم بشبكة أسرع من خلال تمكين مقدمي الخدمات من بناء شبكات فعالة من حيث التكلفة وقابلة للتوسعة على مستوى الناقل. Magma عبارة عن جيل 3GPP (شبكات 2G أو 3G أو 4G أو شبكات 5G القادمة) والوصول إلى الشبكة (الخلوية أو WiFi). يمكنه دعم شبكة الوصول اللاسلكي بمرونة مع الحد الأدنى من جهد التطوير والنشر.
OpenRAN هي شبكة وصول راديوية ذكية (RAN) مدمجة في منصات للأغراض العامة مع واجهة مفتوحة بين الوظائف المحددة بالبرمجيات. يتيح نظام RANecosystem المفتوح قدرًا هائلاً من المرونة وقابلية التشغيل البيني مع انفتاح كامل على عمليات النشر متعددة البائعين.
Open vSwitch(OVS) عبارة عن محول افتراضي متعدد الطبقات عالي الجودة ومفتوح المصدر ومرخص بموجب ترخيص Apache 2.0 مفتوح المصدر. لقد تم تصميمه لتمكين أتمتة الشبكة الضخمة من خلال التوسع البرمجي، مع الاستمرار في دعم واجهات وبروتوكولات الإدارة القياسية (NetFlow، sFlow، IPFIX، RSPAN، CLI، LACP، 802.1ag).
Edge هو إطار عمل حوسبة موزع يجعل تطبيقات المؤسسة أقرب إلى مصادر البيانات مثل أجهزة إنترنت الأشياء أو خوادم الحافة المحلية. يمكن أن يوفر هذا القرب من البيانات في مصدرها فوائد تجارية قوية، بما في ذلك رؤى أسرع وأوقات استجابة محسنة وتوافر أفضل لعرض النطاق الترددي.
الحوسبة الطرفية متعددة الوصول (MEC) هي مجموعة مواصفات الصناعة (ISG) داخل ETSI لإنشاء بيئة موحدة ومفتوحة تسمح بالتكامل الفعال والسلس للتطبيقات المقدمة من البائعين ومقدمي الخدمات والجهات الخارجية عبر متعدد البائعين. -الوصول إلى منصات الحوسبة الحافة.
وظائف الشبكة الافتراضية (VNFs) هي تطبيق برمجي يستخدم في تطبيق المحاكاة الافتراضية لوظائف الشبكة (NFV) الذي يحتوي على واجهات محددة جيدًا، ويوفر واحدًا أو أكثر من وظائف شبكة المكونات بطريقة محددة. على سبيل المثال، يوفر VNF للأمان وظائف ترجمة عنوان الشبكة (NAT) وجدار الحماية.
وظائف الشبكة السحابية الأصلية (CNF) هي وظيفة شبكة تم تصميمها وتنفيذها للتشغيل داخل الحاويات. ترث CNFs جميع المبادئ المعمارية والتشغيلية الأصلية للسحابة بما في ذلك إدارة دورة حياة Kubernetes(K8s) وسرعة الحركة والمرونة وقابلية المراقبة.
وظيفة الشبكة الفعلية (PNF) هي عقدة شبكة فعلية لم تخضع للمحاكاة الافتراضية. يمكن استخدام كل من PNFs وVNFs (وظائف الشبكة الافتراضية) لتشكيل خدمة شبكة شاملة.
تعد البنية التحتية الافتراضية لوظائف الشبكة (NFVI) أساس بنية NFV الشاملة. فهو يوفر أجهزة الحوسبة والتخزين والشبكات الفعلية التي تستضيف VNFs. يمكن اعتبار كل كتلة NFVI بمثابة عقدة NFVI ويمكن نشر العديد من العقد والتحكم فيها جغرافيًا.
يعد الأمان المستند إلى المحاكاة الافتراضية (VBS) إحدى ميزات المحاكاة الافتراضية للأجهزة لإنشاء وعزل منطقة آمنة من الذاكرة عن نظام التشغيل العادي.
إن تكامل التعليمات البرمجية التي يفرضها برنامج Hypervisor (HVCI) هي آلية يستخدم برنامج Hypervisor، مثل Hyper-V، المحاكاة الافتراضية للأجهزة لحماية عمليات وضع kernel من حقن وتنفيذ تعليمات برمجية ضارة أو لم يتم التحقق منها. يتم إجراء التحقق من سلامة التعليمات البرمجية في بيئة آمنة مقاومة للهجوم من البرامج الضارة، ويتم تعيين أذونات الصفحة لوضع kernel وصيانتها بواسطة برنامج Hypervisor.
يعد KVM (للجهاز الظاهري القائم على Kernel) حلاً افتراضيًا كاملاً لنظام التشغيل Linux على أجهزة x86 التي تحتوي على امتدادات المحاكاة الافتراضية (Intel VT أو AMD-V). وهو يتألف من وحدة kernel قابلة للتحميل، kvm.ko، التي توفر البنية الأساسية للمحاكاة الافتراضية ووحدة نمطية خاصة بالمعالج، kvm-intel.ko أو kvm-amd.ko.
QEMU هو محاكي معالج سريع يستخدم مترجم ديناميكي محمول. يحاكي QEMU نظامًا كاملاً، بما في ذلك المعالج والأجهزة الطرفية المختلفة. يمكن استخدامه لتشغيل نظام تشغيل مختلف دون إعادة تشغيل الكمبيوتر أو لتصحيح أخطاء رمز النظام.
يتيح Hyper-V تشغيل أنظمة الكمبيوتر الافتراضية فوق مضيف فعلي. يمكن استخدام هذه الأنظمة الافتراضية وإدارتها تمامًا كما لو كانت أنظمة كمبيوتر فعلية، ومع ذلك فهي موجودة في بيئة افتراضية ومعزولة. يقوم برنامج خاص يسمى برنامج Hypervisor بإدارة الوصول بين الأنظمة الافتراضية وموارد الأجهزة المادية. تتيح المحاكاة الافتراضية النشر السريع لأنظمة الكمبيوتر، وهي طريقة لاستعادة الأنظمة بسرعة إلى حالة جيدة معروفة مسبقًا، والقدرة على ترحيل الأنظمة بين المضيفين الفعليين.
VirtManager هي أداة رسومية لإدارة الأجهزة الافتراضية عبر libvirt. يتم معظم الاستخدام مع الأجهزة الافتراضية QEMU/KVM، لكن حاويات Xen وlibvirt LXC مدعومة جيدًا. يجب أن تعمل العمليات المشتركة لأي برنامج تشغيل libvirt.
يعد oVirt أحد حلول المحاكاة الافتراضية الموزعة مفتوحة المصدر، وهو مصمم لإدارة البنية التحتية لمؤسستك بالكامل. يستخدم oVirt برنامج Hypervisor الموثوق به KVM وهو مبني على العديد من مشاريع المجتمع الأخرى، بما في ذلك libvirt وGluster وPatternFly وAnsible. تم تأسيسه بواسطة Red Hat كمشروع مجتمعي يعتمد عليه Red Hat Enterprise Virtualization مما يسمح بالإدارة المركزية للأجهزة الافتراضية والحوسبة وموارد التخزين والشبكات، من واجهة أمامية سهلة الاستخدام تعتمد على الويب مع وصول مستقل عن النظام الأساسي.
HyperKit عبارة عن مجموعة أدوات لتضمين إمكانات برنامج Hypervisor في تطبيقك. وهو يشتمل على برنامج Hypervisor كامل، يعتمد على xhyve/bhyve، والذي تم تحسينه ليناسب الأجهزة الافتراضية خفيفة الوزن ونشر الحاويات. لقد تم تصميمه ليتم ربطه بمكونات عالية المستوى مثل VPNKit وDataKit. يدعم HyperKit حاليًا نظام التشغيل macOS فقط باستخدام Hypervisor.framework، مما يجعله مكونًا أساسيًا في Docker Desktop لنظام التشغيل Mac.
تقنية المحاكاة الافتراضية للرسومات Intel® (Intel® GVT) هي حل كامل للمحاكاة الافتراضية لوحدة معالجة الرسومات مع تمرير وسيط، بدءًا من معالجات Intel Core (TM) من الجيل الرابع مع رسومات معالجات Intel (Broadwell والأحدث). يمكن استخدامه لإضفاء الطابع الافتراضي على وحدة معالجة الرسومات للعديد من الأجهزة الافتراضية الضيف، مما يوفر بشكل فعال أداء رسومات شبه أصلي في الجهاز الظاهري مع السماح لمضيفك باستخدام وحدة معالجة الرسومات الافتراضية بشكل طبيعي.
Apple Hypervisor عبارة عن إطار عمل يبني حلول المحاكاة الافتراضية فوق برنامج Hypervisor خفيف الوزن، بدون ملحقات kernel تابعة لجهات خارجية. يوفر برنامج Hypervisor واجهات برمجة تطبيقات لغة C حتى تتمكن من التفاعل مع تقنيات المحاكاة الافتراضية في مساحة المستخدم، دون كتابة امتدادات kernel (KEXTs). ونتيجة لذلك، فإن التطبيقات التي تقوم بإنشائها باستخدام هذا الإطار مناسبة للتوزيع على Mac App Store.
Apple Virtualization Framework هو إطار عمل يوفر واجهات برمجة تطبيقات عالية المستوى لإنشاء الأجهزة الافتراضية وإدارتها على أجهزة كمبيوتر Apple silicon وأجهزة Mac المستندة إلى Intel. يُستخدم هذا الإطار لتشغيل نظام تشغيل يستند إلى Linux وتشغيله في بيئة مخصصة تحددها أنت. كما أنه يدعم مواصفات Virtio، التي تحدد الواجهات القياسية للعديد من أنواع الأجهزة، بما في ذلك أجهزة الشبكة والمقبس والمنفذ التسلسلي والتخزين والإنتروبيا وأجهزة بالون الذاكرة.
Apple Paravirtualized Graphics Framework هو إطار عمل ينفذ الرسومات المسرَّعة بالأجهزة لنظام التشغيل macOS الذي يعمل في جهاز افتراضي، يُعرف فيما بعد باسم الضيف. يوفر نظام التشغيل برنامج تشغيل رسومات يتم تشغيله داخل الضيف، ويتواصل مع إطار العمل في نظام التشغيل المضيف للاستفادة من الرسومات المسرّعة باستخدام Metal.
Cloud Hypervisor عبارة عن مراقب جهاز ظاهري مفتوح المصدر (VMM) يعمل أعلى KVM. يركز المشروع على تشغيل أحمال العمل السحابية الحديثة حصريًا، بالإضافة إلى مجموعة محدودة من بنيات الأجهزة والأنظمة الأساسية. تشير أحمال العمل السحابية إلى تلك التي يتم تشغيلها عادةً بواسطة العملاء داخل موفر السحابة. يتم تنفيذ برنامج Cloud Hypervisor في Rust ويعتمد على صناديق Rust-vmm.
VMware vSphere Hypervisor هو برنامج مراقبة افتراضي يعمل على محاكاة الخوادم؛ مما يسمح لك بدمج تطبيقاتك مع توفير الوقت والمال في إدارة البنية التحتية لتكنولوجيا المعلومات لديك.
تركز Xen على تطوير المحاكاة الافتراضية في عدد من التطبيقات التجارية ومفتوحة المصدر المختلفة، بما في ذلك المحاكاة الافتراضية للخادم، والبنية التحتية كخدمات (IaaS)، والمحاكاة الافتراضية لسطح المكتب، وتطبيقات الأمان، والأجهزة المدمجة والأجهزة، والسيارات/الطيران.
Ganeti هي أداة لإدارة مجموعة الأجهزة الافتراضية مبنية على تقنيات المحاكاة الافتراضية الحالية مثل Xen أو KVM وغيرها من البرامج مفتوحة المصدر. بمجرد التثبيت، تتولى الأداة إدارة المثيلات الافتراضية (Xen DomU).
Packer هي أداة مفتوحة المصدر لإنشاء صور آلة متطابقة لمنصات متعددة من تكوين مصدر واحد. يتميز Packer بأنه خفيف الوزن، ويعمل على كل أنظمة التشغيل الرئيسية، كما أنه عالي الأداء، حيث يقوم بإنشاء صور آلية لمنصات متعددة بالتوازي. لا يحل Packer محل إدارة التكوين مثل Chef أو Puppet. في الواقع، عند إنشاء الصور، يتمكن Packer من استخدام أدوات مثل Chef أو Puppet لتثبيت البرنامج على الصورة.
Vagrant هي أداة لبناء وإدارة بيئات الأجهزة الافتراضية في سير عمل واحد. من خلال سير عمل سهل الاستخدام والتركيز على الأتمتة، يقلل Vagrant من وقت إعداد بيئة التطوير، ويزيد من تكافؤ الإنتاج، ويجعل عذر "العمل على جهازي" من بقايا الماضي. فهو يوفر بيئات عمل سهلة التكوين وقابلة للتكرار ومحمولة مبنية على أعلى التكنولوجيا المتوافقة مع معايير الصناعة ويتم التحكم فيها من خلال سير عمل واحد متسق للمساعدة في زيادة الإنتاجية والمرونة لك ولفريقك إلى أقصى حد.
Parallels Desktop هو برنامج Hypervisor لسطح المكتب يقدم التطبيق الأسرع والأسهل والأقوى لتشغيل Windows/Linux على Mac (بما في ذلك شريحة Apple M1 الجديدة) وChromeOS.
VMware Fusion هو برنامج Hypervisor لسطح المكتب يقدم الأجهزة الافتراضية لسطح المكتب و"الخادم" والحاويات ومجموعات Kubernetes للمطورين ومحترفي تكنولوجيا المعلومات على أجهزة Mac.
VMware Workstation عبارة عن برنامج Hypervisor مستضاف يعمل على إصدارات x64 من أنظمة التشغيل Windows وLinux؛ فهو يمكّن المستخدمين من إعداد أجهزة افتراضية على جهاز فعلي واحد، واستخدامها في وقت واحد مع الجهاز الفعلي.
العودة إلى الأعلى
الحوسبة المتوازية هي بيئة حوسبة يعمل فيها معالجان أو أكثر (النواة وأجهزة الكمبيوتر) في وقت واحد لحل مشكلة واحدة. غالبًا ما يمكن تقسيم المشكلات الكبيرة إلى مشكلات أصغر، والتي يمكن حلها بعد ذلك في نفس الوقت. هناك عدة أشكال مختلفة من الحوسبة المتوازية: [مستوى البت]https://en.wikipedia.org/wiki/Bit-level_parallelism)، ومستوى التعليمات، والبيانات، وتوازي المهام.
الحوسبة السريعة - تدريب | مطور نفيديا
أساسيات الحوسبة السريعة مع دورة CUDA Python | نفيديا
أهم دورات الحوسبة المتوازية عبر الإنترنت | كورسيرا
أهم دورات الحوسبة المتوازية عبر الإنترنت | يوديمي
دورة متقدمة في الحوسبة العلمية: متوازية وموزعة
تعلم الحوسبة المتوازية في بايثون | يوديمي
حوسبة GPU في فولكان | يوديمي
دورات الحوسبة عالية الأداء | الجرأة
دورات الحوسبة المتوازية | ستانفورد اون لاين
الحوسبة المتوازية | معهد ماساتشوستس للتكنولوجيا OpenCourseWare
التوازي متعدد الخيوط: اللغات والمجمعات | معهد ماساتشوستس للتكنولوجيا OpenCourseWare
الحوسبة المتوازية مع CUDA | رؤية متعددة
هندسة HPC وتصميم الأنظمة | إنتل
MATLAB Parallel Server™ هي أداة تتيح لك توسيع نطاق برامج MATLAB® وعمليات محاكاة Simulink® إلى مجموعات وسحب. يمكنك إنشاء نماذج أولية لبرامجك وعمليات المحاكاة على سطح المكتب ثم تشغيلها على مجموعات وسحابات دون الحاجة إلى إعادة ترميزها. يدعم MATLAB Parallel Server المهام المجمعة والحسابات المتوازية التفاعلية والحسابات الموزعة بمصفوفات كبيرة.
تعد Parallel Computing Toolbox™ أداة تتيح لك حل المشكلات الحسابية والبيانات المكثفة باستخدام معالجات متعددة النواة ووحدات معالجة الرسومات ومجموعات الكمبيوتر. تمكنك التركيبات عالية المستوى مثل الحلقات المتوازية وأنواع المصفوفات الخاصة والخوارزميات الرقمية المتوازية من موازنة تطبيقات MATLAB® بدون برمجة CUDA أو MPI. يتيح لك صندوق الأدوات استخدام الوظائف المتوازية في MATLAB وصناديق الأدوات الأخرى. يمكنك استخدام صندوق الأدوات مع Simulink® لتشغيل عمليات محاكاة متعددة للنموذج بالتوازي. يمكن تشغيل البرامج والنماذج في كلا الوضعين التفاعلي والدفعي.
تعتبر Statistics and Machine Learning Toolbox™ أداة توفر وظائف وتطبيقات لوصف البيانات وتحليلها ووضع نماذج لها. يمكنك استخدام الإحصائيات الوصفية، والمرئيات، والتجميع لتحليل البيانات الاستكشافية؛ تناسب التوزيعات الاحتمالية مع البيانات؛ توليد أرقام عشوائية لمحاكاة مونت كارلو، وإجراء اختبارات الفرضيات. تتيح لك خوارزميات الانحدار والتصنيف استخلاص استنتاجات من البيانات وإنشاء نماذج تنبؤية إما بشكل تفاعلي، باستخدام تطبيقات Classification and Regression Learner، أو برمجيًا باستخدام AutoML.
OpenMP عبارة عن واجهة برمجة تطبيقات تدعم البرمجة المتوازية للذاكرة المشتركة متعددة المنصات في C/C++ وFortran. تحدد واجهة برمجة تطبيقات OpenMP نموذجًا محمولاً وقابلاً للتطوير مع واجهة بسيطة ومرنة لتطوير التطبيقات المتوازية على الأنظمة الأساسية من سطح المكتب إلى الكمبيوتر العملاق.
CUDA® عبارة عن منصة حوسبة متوازية ونموذج برمجة تم تطويره بواسطة NVIDIA للحوسبة العامة على وحدات المعالجة الرسومية (GPUs). باستخدام CUDA، يستطيع المطورون تسريع تطبيقات الحوسبة بشكل كبير من خلال تسخير قوة وحدات معالجة الرسومات.
واجهة تمرير الرسائل (MPI) هي معيار قياسي ومحمول لتمرير الرسائل مصمم للعمل على بنيات الحوسبة المتوازية.
Microsoft MPI (MS-MPI) هو تطبيق Microsoft لمعايير واجهة تمرير الرسائل لتطوير وتشغيل تطبيقات متوازية على نظام Windows.
Slurm هو مدير عبء العمل مجاني مفتوح المصدر مصمم خصيصًا لتلبية الاحتياجات الصعبة للحوسبة عالية الأداء.
يعد Portable Batch System (PBS) PRO مديرًا سريعًا وقويًا لعبء العمل مصمم لتحسين الإنتاجية ، وتحسين الاستخدام والكفاءة ، وتبسيط الإدارة للمجموعات والغيوم والحاسبات الفائقة.
AWS ParallectLuster هي أداة إدارة الكتلة المفتوحة المصدر التي تدعمها AWS والتي تجعل من السهل عليك نشر وإدارة مجموعات الحوسبة عالية الأداء (HPC) على AWS. يستخدم ParallectLuster ملفًا نصيًا بسيطًا لنموذج وتوفير جميع الموارد اللازمة لتطبيقات HPC بطريقة آلية وآمنة.
Numba هو برنامج التحويل البرمجي المصدر مفتوح المصدر ، على دراية Numpy لـ Python برعاية Anaconda ، Inc. ، وهو يستخدم مشروع برنامج التحويل البرمجي LLVM لإنشاء رمز الجهاز من بناء جملة Python. يمكن لـ Numba تجميع مجموعة فرعية كبيرة من الثعبان التي تركز عدديًا ، بما في ذلك العديد من وظائف numpy. بالإضافة إلى ذلك ، يتمتع Numba بدعم التوازي التلقائي للحلقات ، وتوليد التعليمات البرمجية المسلسة GPU ، وإنشاء UFUNCs و CBACKS.
Chainer هو إطار تعليمي عميق يعتمد على Python يهدف إلى المرونة. ويوفر واجهات برمجة تطبيقات التمايز التلقائي استنادًا إلى النهج المحدد (الرسوم البيانية الحاسوبية الديناميكية) بالإضافة إلى واجهات برمجة التطبيقات ذات المستوى العالي الموجهة للكائنات لبناء وتدريب الشبكات العصبية. كما يدعم CUDA/CUDNN باستخدام CUPY للتدريب عالي الأداء والاستدلال.
XgBoost هي مكتبة تعزيز التدرج الموزعة المحسنة مصممة لتكون عالية الكفاءة ومرنة ومحمولة. ينفذ خوارزميات التعلم الآلي تحت إطار تعزيز التدرج. يوفر XgBoost تعزيز الأشجار الموازية (المعروف أيضًا باسم GBDT ، GBM) الذي يحل العديد من مشاكل علوم البيانات بطريقة سريعة ودقيقة. وهو يدعم التدريب الموزع على أجهزة متعددة ، بما في ذلك مجموعات AWS و GCE و Azure و Yarn. أيضًا ، يمكن دمجها مع Flink و Spark وأنظمة بيانات البيانات السحابية الأخرى.
CUML هي مجموعة من المكتبات التي تنفذ خوارزميات التعلم الآلي والوظائف البدائية الرياضية التي تشترك في واجهات برمجة التطبيقات المتوافقة مع مشاريع المنحدرات الأخرى. تمكن CUML من علماء البيانات والباحثين ومهندسي البرمجيات من تشغيل مهام ML التقليدية على وحدات معالجة الرسومات دون الخوض في تفاصيل برمجة CUDA. في معظم الحالات ، يطابق API Python Cuml من API من Scikit-Learn.
Apache Cassandra ™ عبارة عن قاعدة بيانات موزعة موزعة NOSQL مفتوحة المصدر وتثبتها الآلاف من الشركات من أجل التوسع والتوافر العالي دون المساس بالأداء. يوفر Cassandra قابلية التوسع الخطية وتسامح الأخطاء المثبتة على أجهزة السلع أو البنية التحتية السحابية تجعلها منصة مثالية للبيانات المهمة.
Apache Flume هي خدمة موزعة وموثوقة ومتاحة لجمع وتجميع ونقل كميات كبيرة من بيانات الحدث.
Apache Mesos هو مدير كتلة يوفر عزل موارد فعال ومشاركة عبر التطبيقات الموزعة ، أو الأطر. يمكن تشغيل Hadoop و Jenkins و Spark و Aurora وأطر أخرى على مجموعة من العقد المشتركة ديناميكيًا.
Apache HBase ™ هو متجر بيانات كبير مفتوح المصدر ، NOSQL ،. إنه يتيح الوصول العشوائي ، المتسق تمامًا ، في الوقت الفعلي إلى Petabytes من البيانات. HBase فعال للغاية للتعامل مع مجموعات البيانات الكبيرة المتفرقة. يعمل HBase كإدخال ومخرجات مباشرة إلى إطار Apache MapReduce لـ Hadoop ، ويعمل مع Apache Phoenix لتمكين استعلامات تشبه SQL على جداول HBase.
نظام الملفات الموزعة Hadoop (HDFS) هو نظام ملفات موزعة يتولى مجموعات بيانات كبيرة تعمل على أجهزة السلعة. يتم استخدامه لتوسيع نطاق مجموعة Apache Hadoop واحدة إلى المئات (وحتى الآلاف) من العقد. HDFS هي واحدة من المكونات الرئيسية لأباتشي Hadoop ، والبعض الآخر يجري mapreduce والغزل.
Apache Arrow هو تنسيق ذاكرة عمودي مستقل للغة للبيانات المسطحة والهرمية ، منظمًا لعمليات تحليلية فعالة على أجهزة حديثة مثل وحدات المعالجة المركزية ووحدة معالجة الرسومات.
Apache Spark ™ هو محرك تحليلات موحدة لمعالجة البيانات على نطاق واسع. يوفر واجهات برمجة تطبيقات عالية المستوى في Scala و Java و Python و R ، ومحرك محسن يدعم الرسوم البيانية للحساب العام لتحليل البيانات. كما يدعم مجموعة غنية من الأدوات ذات المستوى الأعلى بما في ذلك Spark SQL لـ SQL و DataFrames ، و MLLIB للتعلم الآلي ، و GRATEX لمعالجة الرسوم البيانية ، وتدفق منظم لمعالجة الدفق.
Apache Prepictionio هو إطار عمل للتعلم الآلي مفتوح المصدر للمطورين وعلماء البيانات والمستخدمين النهائيين. وهو يدعم جمع الأحداث ، ونشر الخوارزميات ، والتقييم ، والاستعلام عن النتائج التنبؤية عبر واجهات برمجة التطبيقات REST. يعتمد على خدمات المصدر المفتوح القابل للتطوير مثل Hadoop و HBase (وغيرها من DBS) و Elasticsearch و Spark وينفذ ما يسمى بنية Lambda.
Microsoft Project Bonsai هو منصة AI منخفضة الرمز يسرع من تطوير الأتمتة التي تعمل بالنيابة وجزء من مجموعة الأنظمة المستقلة من Microsoft. يتم استخدام Bonsai لإنشاء مكونات الذكاء الاصطناعي التي يمكن أن توفر إرشادات المشغل أو اتخاذ قرارات مستقلة لتحسين متغيرات العملية ، وتحسين كفاءة الإنتاج ، وتقليل وقت التوقف.
Cluster Manager لـ Apache Kafka (CMAK) هي أداة لإدارة مجموعات Apache Kafka.
Bigdl هي مكتبة تعليمية عميقة موزعة لأباش سبارك. مع BigDL ، يمكن للمستخدمين كتابة تطبيقات التعلم العميقة الخاصة بهم كبرامج شرارة قياسية ، والتي يمكن أن تعمل مباشرة فوق مجموعات Spark أو Hadoop الحالية.
Apache Cassandra ™ عبارة عن قاعدة بيانات موزعة موزعة NOSQL مفتوحة المصدر وتثبتها الآلاف من الشركات من أجل التوسع والتوافر العالي دون المساس بالأداء. يوفر Cassandra قابلية التوسع الخطية وتسامح الأخطاء المثبتة على أجهزة السلع أو البنية التحتية السحابية تجعلها منصة مثالية للبيانات المهمة.
Apache Flume هي خدمة موزعة وموثوقة ومتاحة لجمع وتجميع ونقل كميات كبيرة من بيانات الحدث.
Apache Mesos هو مدير كتلة يوفر عزل موارد فعال ومشاركة عبر التطبيقات الموزعة ، أو الأطر. يمكن تشغيل Hadoop و Jenkins و Spark و Aurora وأطر أخرى على مجموعة من العقد المشتركة ديناميكيًا.
Apache Beam هو نموذج مفتوح المصدر ، موحد ومجموعة من SDKs الخاصة باللغة لتحديد وتنفيذ سير عمل معالجة البيانات ، وكذلك تدفقات ابتلاع البيانات وتكاملها ، ودعم أنماط تكامل المؤسسات (EIPs) ولغات محددة للمجال (DSLs).
Jupyter Notebook هو تطبيق ويب مفتوح المصدر يتيح لك إنشاء ومشاركة المستندات التي تحتوي على رمز مباشر ، معادلات ، تصورات ونص سردي. يتم استخدام Jupyter على نطاق واسع في الصناعات التي تقوم بتنظيف البيانات وتحويلها ، والمحاكاة العددية ، والنمذجة الإحصائية ، وتصور البيانات ، وعلوم البيانات ، والتعلم الآلي.
NEO4J هي قاعدة بيانات الرسم البياني الوحيدة ذات القوة المؤسسة التي تجمع بين تخزين الرسم البياني الأصلي ، والأمان المتقدم ، والهندسة المعمارية المحسنة للسرعة القابلة للتطوير ، والامتثال للحمض لضمان القدرة على التنبؤ وسلامة الاستعلامات القائمة على العلاقة.
Elasticsearch هو محرك بحث يعتمد على مكتبة Lucene. يوفر محرك بحث كامل عن النص موزعة ، متعددة القدر ، مع واجهة ويب HTTP ومستندات JSON الخالية من المخطط. تم تطوير Elasticsearch في Java.
Logstash هي أداة لإدارة الأحداث والسجلات. عند استخدامه بشكل عام ، يشمل المصطلح نظامًا أكبر من أنشطة جمع السجل والمعالجة والتخزين والبحث.
Kibana هو مكون إضافي لتصور البيانات مفتوح المصدر لـ Elasticsearch. ويوفر إمكانيات التصور أعلى المحتوى المفهرس على مجموعة Elasticsearch. يمكن للمستخدمين إنشاء مخططات شريطية أو خط أو مبعثر ، أو مخططات فطيرة وخرائط أعلى كميات كبيرة من البيانات.
Trino هو محرك استعلام SQL الموزع للبيانات الكبيرة. إنه قادر على تسريع عمليات ETL بشكل كبير ، والسماح لهم جميعًا باستخدام عبارة SQL القياسية ، والعمل مع العديد من مصادر البيانات والأهداف في نفس النظام.
الاستخراج والتحويل والتحميل (ETL) هو خط أنابيب بيانات يستخدم لجمع البيانات من مصادر مختلفة ، وتحويل البيانات وفقًا لقواعد العمل ، وتحميلها إلى مخزن بيانات الوجهة.
Redis (خادم القاموس عن بعد) هو مصدر مفتوح (BSD مرخص) ، ومتجر بنية البيانات في الذاكرة ، ويستخدم كقاعدة بيانات ، وذاكرة التخزين المؤقت ، وسيط الرسائل. يوفر هياكل البيانات مثل السلاسل ، وتجزئة ، وقوائم ، ومجموعات ، ومجموعات مصنفة مع استعلامات النطاق ، ونقطة النقط ، وفرط الزوايا ، والفهارس الجغرافية المكانية ، والتدفقات.
Apache OpenNLP هي مكتبة مفتوحة المصدر لمجموعة أدوات تعتمد على التعلم الآلي المستخدمة في معالجة نص اللغة الطبيعية. إنه يتميز بآبار واجهة برمجة التطبيقات (API) لاستخدام حالات مثل التعرف على الكيان المسماة ، والكشف عن الجملة ، وعلم POS (جزء من الكلام) ، واستخراج ميزة الرمز المميز ، والتشكيل ، والتحليل ، ودقة الأساس.
Apache Airflow هي منصة لإدارة سير العمل مفتوحة المصدر التي أنشأها المجتمع للمؤلف برمجيًا وجدولة ومراقبة سير العمل. ثَبَّتَ. مبادئ. قابلة للتطوير. يتضمن تدفق الهواء بنية معيارية ويستخدم قائمة انتظار الرسائل لتنظيم عدد تعسفي من العمال. تدفق الهواء جاهز لتوسيع نطاق اللانهاية.
يعد Open Neural Network Exchange (ONNX) نظامًا بيئيًا مفتوحًا يمكّن مطوري الذكاء الاصطناعي من اختيار الأدوات المناسبة مع تطور مشروعهم. يوفر ONNX تنسيقًا مفتوح المصدر لنماذج الذكاء الاصطناعى ، كل من التعلم العميق و ML التقليدي. إنه يحدد نموذج الرسم البياني للحساب القابل للتوسعة ، وكذلك تعريفات المشغلات المدمجة وأنواع البيانات القياسية.
Apache Mxnet هو إطار عمل تعليمي عميق مصمم لكفاءة ومرونة. يسمح لك بخلط البرمجة الرمزية والضرورية لزيادة الكفاءة والإنتاجية إلى الحد الأقصى. في جوهره ، يحتوي MXNET على جدولة تبعية ديناميكية تتوافق تلقائيًا على كل من العمليات الرمزية والضرورية أثناء الطيران. طبقة تحسين الرسم البياني فوق ذلك تجعل التنفيذ الرمزي سريعًا وفعال الذاكرة. MXNET محمول وخفيف الوزن ، ويتوسع بشكل فعال إلى وحدات معالجة الرسومات المتعددة وآلات متعددة. دعم Python ، R ، Julia ، Scala ، Go ، JavaScript والمزيد.
Autogluon هي مجموعة أدوات للتعلم العميق التي تتم أتمتة مهام التعلم الآلي مما يتيح لك تحقيق أداء تنبؤي قوي في تطبيقاتك بسهولة. من خلال بضعة أسطر من التعليمات البرمجية ، يمكنك تدريب ونشر نماذج التعلم العميق عالية الدقة على البيانات الجدولية والصورة والنص.
العودة إلى القمة
تعد لغة الحوسبة المفتوحة (OPENCL) معيارًا مفتوحًا للبرمجة المتوازية للمنصات غير المتجانسة التي تتكون من وحدات المعالجة المركزية ، وحدات معالجة الرسومات ، وغيرها من المتسارعين للأجهزة الموجودة في أجهزة الكمبيوتر الفائقة ، والخوادم السحابية ، وأجهزة الكمبيوتر الشخصية ، والأجهزة المحمولة ، والمنصات المدمجة.
opencl | جيثب
مجموعة Khronos | جيثب
دورات التكنولوجيا Khronos والتدريب
دروس OpenCl - StreamHPC
مقدمة لأدوات Intel® Opencl
opencl | مطور نفيديا
مقدمة إلى OpenCl على دورة FPGAS | كورسيرا
تجميع kernel opencl إلى دورة FPGAs | كورسيرا
RenderDOC عبارة عن مصحح تصحيح للرسومات المستقلة التي تتيح التقاط إطار واحد وسهل وسهلة وتأمل مفصل لأي تطبيق باستخدام Vulkan أو D3D11 أو OpenGL & OpenGL ES أو D3D12 عبر Windows أو Linux أو Android أو Stadia أو Nintendo Switch ™.
GpUverify هي أداة للتحليل الرسمي لنواة GPU المكتوبة في OpenCl و CUDA. يمكن أن تثبت الأداة أن النواة خالية من أنواع معينة من العيوب ، بما في ذلك سباقات البيانات.
OpenCl ICD Loader هي آلية برنامج تشغيل قابلة للتثبيت (ICD) للسماح للمطورين ببناء تطبيقات مقابل محمل برنامج تشغيل العميل القابل للتثبيت (ICD Loader) بدلاً من ربط تطبيقاتهم مقابل تطبيق OpenCL محدد.
CLBLAS هي مكتبة برامج تحتوي على وظائف Blas مكتوبة في OpenCL.
CLFFT هي مكتبة برامج تحتوي على وظائف FFT مكتوبة في OpenCL.
CLSPARSE هي مكتبة برامج تحتوي على وظائف متفرقات مكتوبة في OPENCL.
CLRNG هي مكتبة برامج تعتمد على OPENCL تحتوي على وظائف توليد الأرقام العشوائية.
CLSMITH هي أداة تستفيد من تقنيتين للاختبار الحاليين ، واختبار الاختبار التفاضلي العشوائي ومدخلات معادلة المعادلة (EMI) ، وتطبيقهما في بيئة متعددة ، OPENCL. ميزةها الأساسية هي توليد نواة Opencl العشوائية ، وممارسة العديد من ميزات اللغة. كما أنه يجلب فكرة جديدة عن تطبيق EMI ، عبر حقن الرمز الميت.
Oclgrind هو جهاز محاكاة جهاز OpenCL افتراضي ، بما في ذلك وقت تشغيل OpenCL مع دعم ICD. الهدف من ذلك هو توفير منصة لإنشاء أدوات للمساعدة في تطوير OpenCL. على وجه الخصوص ، يقوم هذا المشروع حاليًا بتنفيذ الأدوات المساعدة لتصحيح أخطاء الوصول إلى الذاكرة ، واكتشاف مسارات البيانات واختلاف الحاجز ، وجمع الرسوم البيانية للتعليمات ، وللإصابة بتصحيح kernel التفاعلي. تم بناء المحاكاة على مترجم ل LLVM IR.
NVIDIA® NSIGHT ™ Visual Studio Edition هي بيئة تطوير التطبيقات للمنصات غير المتجانسة التي تجلب حساب GPU إلى Microsoft Visual Studio. يتيح لك NVIDIA NSIGHT ™ VSE بناء وتصحيح نواة GPU المتكاملة ورمز وحدة المعالجة المركزية الأصلية بالإضافة إلى فحص حالة وحدة معالجة الرسومات والذاكرة.
Radeon ™ GPU Profiler هي أداة أداء يمكن استخدامها من قبل المطورين لتحسين تطبيقات DirectX®12 و Vulkan® و OpenCl ™ لأجهزة AMD RDNA ™ و GCN.
Radeon ™ GPU Analyzer هو أداة تحليل البرمجيات والرمز لـ Vulkan® و DirectX® و OpenGL® و OpenCl ™.
Amd Radeon Prorender هو محرك عرض قوي جسديًا يمكّن المهنيين المبدعين من إنتاج صور واقعية بشكل مذهل على أي وحدة معالجة الرسومات تقريبًا ، وأي وحدة المعالجة المركزية ، وأي نظام تشغيل في أكثر من عشرة من تطبيقات المحتوى الرقمي الرائد وتطبيقات CAD.
Nvidia Omniverse هي منصة قوية ومتعددة GPU ، ومحاكاة في الوقت الفعلي والتعاون لخطوط أنابيب الإنتاج ثلاثية الأبعاد تعتمد على وصف المشهد العالمي لـ Pixar و Nvidia RTX.
Intel® SDK for OpenCL ™ Applications عبارة عن عبء عمل كثيف حساب الحساب. تخصيص تطبيقات حساب غير متجانسة وتسريع الأداء مع البرمجة القائمة على النواة.
NVIDIA NGC هو مركز لبرنامج محسّن GPU للتعلم العميق ، والتعلم الآلي ، وأعباء عمل الحوسبة عالية الأداء (HPC).
حاويات NVIDIA NGC هي سجل يوفر للباحثين وعلماء البيانات والمطورين وصولًا بسيطًا إلى كتالوج شامل للبرامج المدمرة في GPU من أجل AI والتعلم الآلي و HPC. تستفيد هذه الحاويات بشكل كامل من NVIDIA GPUS المحلي وفي السحابة.
NVIDIA CUDNN هي مكتبة من قبل GPU من قبل الشبكات العصبية العميقة. يوفر Cudnn تطبيقات شديدة ضبطها للروتين القياسي مثل الالتفاف الأمامي والخلف ، والتجميع ، والتطبيع ، وطبقات التنشيط. يتسارع Cudnn على نطاق واسع أطر التعلم العميق المستخدمة ، بما في ذلك Caffe2 و Chainer و Keras و Matlab و Mxnet و Pytorch و TensorFlow.
NVIDIA Container Toolkit هي مجموعة من الأدوات والمكتبات التي تسمح للمستخدمين بإنشاء وتشغيل حاويات Docker المتسارعة. تتضمن مجموعة الأدوات مكتبة وقت تشغيل الحاوية والمرافق لتكوين الحاويات تلقائيًا للاستفادة من وحدات معالجة الرسومات NVIDIA.
العودة إلى القمة
مجموعة أدوات CUDA. المصدر: مطور نفيديا كودا
CUDA عبارة عن منصة حوسبة موازية ونموذج برمجة تم تطويره بواسطة NVIDIA للحوسبة العامة على وحدات المعالجة الرسومية (GPU). مع CUDA ، يستطيع المطورون تسريع تطبيقات الحوسبة بشكل كبير عن طريق تسخير قوة وحدات معالجة الرسومات. في التطبيقات المدمجة GPU ، يتم تشغيل الجزء المتسلسل من عبء العمل على وحدة المعالجة المركزية ، والتي تم تحسينها للروابط المفردة. يتم تشغيل الجزء المكثف للحساب من التطبيق على آلاف نوى GPU بالتوازي. عند استخدام CUDA ، يمكن للمطورين البرمجة باللغات الشائعة مثل C و C ++ و Fortran و Python و Matlab.
وثائق مجموعة أدوات CUDA
دليل البدء السريع CUDA
CUDA على WSL
دعم GPU CUDA لـ TensorFlow
NVIDIA Deep Learning Documentation Cudnn
NVIDIA GPU Cloud Documentation
NVIDIA NGC هو مركز لبرنامج محسّن GPU للتعلم العميق ، والتعلم الآلي ، وأعباء عمل الحوسبة عالية الأداء (HPC).
حاويات NVIDIA NGC هي سجل يوفر للباحثين وعلماء البيانات والمطورين وصولًا بسيطًا إلى كتالوج شامل للبرامج المدمرة في GPU من أجل AI والتعلم الآلي و HPC. تستفيد هذه الحاويات بشكل كامل من NVIDIA GPUS المحلي وفي السحابة.
CUDA Toolkit هي مجموعة من الأدوات والمكتبات التي توفر بيئة تطوير لإنشاء تطبيقات عالية الأداء في GPU. تتيح لك مجموعة أدوات CUDA تطوير تطبيقاتك وتحسينها ونشرها على الأنظمة المضمّنة المدمجة في GPU ، ومحطات عمل سطح المكتب ، ومراكز بيانات المؤسسات ، والمنصات المستندة إلى السحابة ، وحساب HPC الفائقة. تشتمل مجموعة الأدوات على مكتبات مقلدة من GPU ، وأدوات تصحيح الأخطاء والتحسين ، ومترجم C/C ++ ، ومكتبة وقت التشغيل لبناء ونشر التطبيق الخاص بك على البنية الرئيسية بما في ذلك x86 ،
