devito

Devito: быстрое вычисление трафарета на основе символьной спецификации

Devito — это пакет Python для реализации оптимизированных вычислений трафаретов (например, конечных разностей, обработки изображений, машинного обучения) на основе символических определений задач высокого уровня. Devito основан на SymPy и использует автоматическую генерацию кода и своевременную компиляцию для выполнения оптимизированных вычислительных ядер на нескольких компьютерных платформах, включая центральные процессоры, графические процессоры и их кластеры.

• О Девито
• Установка
• Ресурсы
• Часто задаваемые вопросы
• Производительность
• Свяжитесь с нами
• Интерактивные блокноты Jupyter

О Девито

Devito предоставляет функциональный язык для реализации сложных операторов, которые могут состоять из множества трафаретных вычислений, граничных условий, разреженных операций (например, интерполяции) и многого другого. Типичный вариант использования — явные методы конечных разностей для аппроксимации уравнений в частных производных. Например, оператор двумерной диффузии может быть реализован с помощью Devito следующим образом:

 >> > grid = Grid ( shape = ( 10 , 10 ))
>> > f = TimeFunction ( name = 'f' , grid = grid , space_order = 2 )
>> > eqn = Eq ( f . dt , 0.5 * f . laplace )
>> > op = Operator ( Eq ( f . forward , solve ( eqn , f . forward )))

Operator генерирует низкоуровневый код из упорядоченного набора Eq (пример выше относится к одному уравнению). Этот код также может быть скомпилирован и выполнен

 >> > op ( t = timesteps , dt = dt )

Сложность Operator практически не ограничена — компилятор Devito автоматически анализирует входные данные, обнаруживает и применяет оптимизации (включая одно- и многоузловой параллелизм) и в конечном итоге генерирует код с подходящими циклами и выражениями.

Ключевые особенности включают в себя:

• Функциональный язык для выражения конечно-разностных операторов.
• Простые механизмы настройки дискретизации.
• Конструкции для выражения разреженных операторов (например, интерполяции), классических линейных операторов (например, сверток) и тензорных сокращений.
• Полная поддержка граничных условий и сопряженных операторов.
• Гибкий API для определения пользовательских трафаретов, поддоменов, субвыборки и шахматных сеток.
• Генерация высокооптимизированного параллельного кода (векторизация SIMD, параллелизм CPU и GPU через OpenMP и OpenACC, многоузловой параллелизм через MPI, блокировка, агрессивные символьные преобразования для сокращения FLOP и т. д.).
• Распределенные массивы NumPy по многоузловому (MPI) разложению домена.
• Проверка и настройка сгенерированного кода.
• Платформа автонастройки для облегчения настройки производительности.
• Плавная интеграция с популярными пакетами Python, такими как NumPy, SymPy, Dask и SciPy, а также платформами машинного обучения, такими как TensorFlow и PyTorch.

Установка

Самый простой способ попробовать Devito — через Docker, используя следующие команды:

 # get the code
git clone https://github.com/devitocodes/devito.git
cd devito

# start a jupyter notebook server on port 8888
docker-compose up devito

После выполнения последней команды выше терминал отобразит URL-адрес, например https://127.0.0.1:8888/?token=XXX . Скопируйте и вставьте этот URL-адрес в окно браузера, чтобы начать сеанс блокнота Jupyter, где вы сможете просмотреть учебные пособия, предоставляемые Devito, или создать свои собственные блокноты.

Подробные инструкции по установке и другие варианты см. здесь. Если вы столкнулись с проблемой во время установки, ознакомьтесь с проблемами установки, которые мы видели в прошлом.

Ресурсы

Чтобы научиться использовать Devito, вот хорошее начало с множеством примеров и учебных пособий.

Веб-сайт также предоставляет доступ к другой информации, включая документацию и инструкции по цитированию нас.

Некоторые часто задаваемые вопросы обсуждаются здесь.

Производительность

Если вас интересует что-либо из следующего

• Генерация параллельного кода (CPU, GPU, многоузловой через MPI);
• Настройка производительности;
• Операторы бенчмаркинга;

тогда вам следует взглянуть на этот README.

Свяжитесь с нами

Если вы используете Devito, мы хотели бы услышать ваше мнение. Если вы столкнулись с проблемами или просто пробуете это, присоединяйтесь к разговору.

Интерактивные блокноты Jupyter

Учебный блокнот Jupyter доступен в интерактивном режиме в общедоступной папке jupyterhub.