GPU Guide
1.0.0
หมายเหตุ: คุณสามารถแปลงไฟล์มาร์กดาวน์นี้เป็น PDF ใน VSCode ได้อย่างง่ายดายโดยใช้ส่วนขยาย Markdown PDF ที่มีประโยชน์นี้
CPU และ GPU ทำงานร่วมกันอย่างไรเมื่อรันโค้ดแอปพลิเคชัน
สถาปัตยกรรมหน่วยความจำแบบรวม
ทรัพยากรการเรียนรู้ GPU
ประจุไฟฟ้า สนาม และศักย์ไฟฟ้า
ประจุและแรงไฟฟ้า (กฎของคูลอมบ์): ประจุไฟฟ้า สนาม และศักย์ไฟฟ้า
สนามไฟฟ้า: ประจุไฟฟ้า สนาม และศักย์ไฟฟ้า
พลังงานศักย์ไฟฟ้า ศักย์ไฟฟ้า และแรงดันไฟฟ้า: ประจุไฟฟ้า สนาม และศักย์ไฟฟ้า
วงจร
กฎของโอห์มและวงจรที่มีตัวต้านทาน: วงจร
วงจรที่มีตัวเก็บประจุ: วงจร
แรงแม่เหล็ก สนามแม่เหล็ก และกฎของฟาราเดย์
แม่เหล็กและแรงแม่เหล็ก: แรงแม่เหล็ก สนามแม่เหล็ก และกฎของฟาราเดย์
สนามแม่เหล็กที่เกิดจากกระแส: แรงแม่เหล็ก สนามแม่เหล็ก และกฎของฟาราเดย์
มอเตอร์ไฟฟ้า: แรงแม่เหล็ก สนามแม่เหล็ก และกฎของฟาราเดย์
ฟลักซ์แม่เหล็กและกฎของฟาราเดย์
คลื่นแม่เหล็กไฟฟ้าและการรบกวน
คลื่นแม่เหล็กไฟฟ้าเบื้องต้น: คลื่นแม่เหล็กไฟฟ้าและการรบกวน
การรบกวนของคลื่นแม่เหล็กไฟฟ้า
เลนส์เรขาคณิต
การสะท้อนและการหักเหของแสง: เลนส์เรขาคณิต
กระจกเงา: เลนส์เรขาคณิต
เลนส์
พีชคณิตเชิงเส้น
การจำลองเสมือน
คอมพิวเตอร์แบบขนาน
การพัฒนา OpenCL
การพัฒนาซียูเอ
อัลกอริทึม
การเรียนรู้ของเครื่อง
การพัฒนาการเรียนรู้เชิงลึก
การพัฒนาคอมพิวเตอร์วิทัศน์
การเล่นเกม
การพัฒนาเกม
การพัฒนา OpenGL
การพัฒนาวัลแคน
การพัฒนาไดเรคเอ็กซ์
การพัฒนาเสียง/วิดีโอระดับมืออาชีพ
กราฟิก 3 มิติและการออกแบบ
แอปเปิ้ลซิลิคอน
การพัฒนา ML หลัก
การพัฒนาโลหะ
การพัฒนา MATLAB
การพัฒนาซี/ซี++
การพัฒนาหลาม
อาร์ ดีเวลลอปเม้นท์
จูเลีย ดีเวลลอปเมนท์
กลับไปด้านบน
หน่วยประมวลผลกราฟิก (GPU) เป็นวงจรที่ประกอบด้วยคอร์นับร้อยคอร์ที่สามารถรองรับเธรดนับพันเธรดพร้อมกันได้ GPUS สามารถจัดการและแก้ไขหน่วยความจำได้อย่างรวดเร็วเพื่อเร่งการสร้างภาพในบัฟเฟอร์เฟรมสำหรับส่งออกไปยังอุปกรณ์แสดงผล ใช้ในระบบฝังตัว โทรศัพท์มือถือ คอมพิวเตอร์ส่วนบุคคล เวิร์กสเตชันระดับมืออาชีพ และเครื่องเล่นเกม
Random Access Memory (RAM) คือหน่วยความจำคอมพิวเตอร์รูปแบบหนึ่งที่สามารถอ่านและเปลี่ยนแปลงในลำดับใดก็ได้ โดยทั่วไปจะใช้เพื่อจัดเก็บข้อมูลการทำงานและรหัสเครื่อง อุปกรณ์หน่วยความจำเข้าถึงโดยสุ่มช่วยให้สามารถอ่านหรือเขียนรายการข้อมูลได้ในเวลาเกือบเท่ากัน โดยไม่คำนึงถึงตำแหน่งทางกายภาพของข้อมูลภายในหน่วยความจำ ตรงกันข้ามกับสื่อจัดเก็บข้อมูลที่เข้าถึงโดยตรงอื่นๆ
Video Random Access Memory (VRAM) คือ RAM ที่จัดสรรเพื่อจัดเก็บรูปภาพหรือข้อมูลที่เกี่ยวข้องกับกราฟิก มันทำงานในลักษณะเดียวกับ RAM โดยจัดเก็บข้อมูลเฉพาะเพื่อให้เข้าถึงและประสิทธิภาพได้ง่ายขึ้น ข้อมูลภาพจะถูกอ่านครั้งแรกโดยโปรเซสเซอร์และเขียนลงใน VRAM จากนั้นจะถูกแปลงโดย RAMDAC หรือตัวแปลงดิจิทัลเป็นอนาล็อก RAM และแสดงเป็นเอาต์พุตกราฟิก
Graphics Double Data Rate (GDDR) SDRAM เป็นประเภทของหน่วยความจำเข้าถึงโดยสุ่ม (SGRAM) ของกราฟิกซิงโครนัสที่มีอินเทอร์เฟซแบนด์วิธสูง ("double data rate") ที่ออกแบบมาเพื่อใช้ในกราฟิกการ์ด คอนโซลเกม และการประมวลผลประสิทธิภาพสูง
หน่วยประมวลผลกราฟิกแบบรวม (IGPU) เป็นส่วนประกอบที่สร้างขึ้นบนชิปตัวเดียวกัน (วงจรรวม) กับ CPU (AMD Ryzen APU หรือ Intel HD Graphics) ที่ใช้ส่วนหนึ่งของ RAM ระบบของคอมพิวเตอร์ แทนที่จะเป็นหน่วยความจำกราฟิกเฉพาะ
เทนเซอร์เป็นวัตถุพีชคณิตที่อธิบายความสัมพันธ์หลายเชิงเส้นระหว่างชุดของวัตถุพีชคณิตที่เกี่ยวข้องกับปริภูมิเวกเตอร์ วัตถุที่เทนเซอร์อาจจับคู่ระหว่างเวกเตอร์ สเกลาร์ และเทนเซอร์อื่นๆ
เทนเซอร์เป็นอาร์เรย์หลายมิติที่มีประเภทสม่ำเสมอ (เรียกว่า dtype)
Tensor Cores เป็นตัวเร่งการอนุมาน AI ใน NVIDIA GPU ที่ให้ประสิทธิภาพที่สูงขึ้นตามลำดับด้วยความแม่นยำที่ลดลง เช่น TF32, bfloat16, FP16, INT8, INT4 และ FP64 เพื่อเร่งการประมวลผลทางวิทยาศาสตร์ด้วยความแม่นยำสูงสุดที่จำเป็น
RT (Ray Tracing แบบเรียลไทม์) Cores คือฟังก์ชันการเร่งความเร็ว Ray Tracing บนฮาร์ดแวร์ที่ช่วยเร่งฟังก์ชันการข้ามผ่าน Bounding Volume Hierarchy (BVH) และการทดสอบจุดตัดของรังสี/สามเหลี่ยม (การหล่อรังสี) RT Cores ทำการทดสอบการมองเห็นในนามของเธรดที่ทำงานใน SM ทำให้สามารถจัดการกับจุดยอด พิกเซล และงานแรเงาการประมวลผลอื่นได้
หน่วยประมวลผลกลาง (CPU) เป็นวงจรที่ประกอบด้วยหลายคอร์ที่ดำเนินการคำสั่งที่ประกอบด้วยโปรแกรมคอมพิวเตอร์ CPU ดำเนินการทางคณิตศาสตร์ ลอจิก การควบคุม และอินพุต/เอาท์พุต (I/O) พื้นฐานที่ระบุโดยคำสั่งในโปรแกรม สิ่งนี้แตกต่างจากส่วนประกอบภายนอกอื่นๆ เช่น หน่วยความจำหลัก วงจร I/O และหน่วยประมวลผลกราฟิก (GPU)
AMD Accelerated Processing Unit (APU) ชุดไมโครโปรเซสเซอร์ 64 บิตจาก Advanced Micro Devices (AMD) ออกแบบมาเพื่อทำหน้าที่เป็นหน่วยประมวลผลกลาง (CPU) และหน่วยประมวลผลกราฟิก (GPU) บนชิปตัวเดียว
เวกเตอร์โปรเซสเซอร์คือหน่วยประมวลผลกลาง (CPU) ที่ใช้ชุดคำสั่ง โดยที่คำสั่งได้รับการออกแบบให้ทำงานอย่างมีประสิทธิภาพและประสิทธิผลบนอาร์เรย์ข้อมูลหนึ่งมิติขนาดใหญ่ที่เรียกว่าเวกเตอร์
Digital Signal Processing (DSP) คือการประยุกต์ใช้คอมพิวเตอร์ดิจิทัลเพื่อปรับเปลี่ยนสัญญาณแอนะล็อกหรือดิจิทัล มีการใช้กันอย่างแพร่หลายในการใช้งานหลายอย่าง รวมถึงการสื่อสารและเครือข่ายวิดีโอ/เสียง/ข้อมูล การสร้างภาพทางการแพทย์และการมองเห็นคอมพิวเตอร์ การสังเคราะห์และการเข้ารหัสคำพูด เสียงและวิดีโอดิจิทัล และการควบคุมระบบที่ซับซ้อนและกระบวนการทางอุตสาหกรรม
การประมวลผลสัญญาณภาพ (ISP) คือกระบวนการแปลงภาพเป็นรูปแบบดิจิทัลโดยการดำเนินการต่างๆ เช่น การลดสัญญาณรบกวน การเปิดรับแสงอัตโนมัติ โฟกัสอัตโนมัติ สมดุลสีขาวอัตโนมัติ การแก้ไข HDR และการปรับความคมชัดของภาพด้วยตัวประมวลผลสื่อชนิดพิเศษ
วงจรรวมเฉพาะแอปพลิเคชัน (ASIC) คือชิปวงจรรวม (IC) ที่ปรับแต่งสำหรับการใช้งานเฉพาะในระบบฝังตัว โทรศัพท์มือถือ คอมพิวเตอร์ส่วนบุคคล เวิร์กสเตชันระดับมืออาชีพ แทนที่จะมีไว้สำหรับการใช้งานทั่วไป
คำสั่งเดียว หลายข้อมูล (SIMD) คือประเภทของการประมวลผลแบบขนานที่อธิบายคอมพิวเตอร์ที่มีองค์ประกอบการประมวลผลหลายรายการซึ่งดำเนินการเดียวกันบนจุดข้อมูลหลายจุดพร้อมกัน
GPU คืออะไร? หน่วยประมวลผลกราฟิกที่กำหนด | อินเทล
สถาบันการเรียนรู้เชิงลึกและโซลูชั่นการฝึกอบรม | NVIDIA
หลักสูตรออนไลน์การเรียนรู้เชิงลึก | NVIDIA
หลักสูตรมหาวิทยาลัยที่มีอยู่ | นักพัฒนา NVIDIA
การใช้ GPU เพื่อขยายขนาดและเร่งความเร็วการเรียนรู้เชิงลึก | edX
หลักสูตร GPU ออนไลน์ยอดนิยม | กูร์เรร่า
การเขียนโปรแกรม CUDA GPU ระดับเริ่มต้นถึงขั้นสูง | อูเดมี่
การประมวลผล GPU ใน Vulkan | อูเดมี่
หลักสูตรสถาปัตยกรรม GPU | มหาวิทยาลัยวอชิงตัน
กลับไปด้านบน
- 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
พลังงานศักย์ไฟฟ้า ที่มา: sparkfun
กลับไปด้านบน
- Ohm's law and circuits with resistors: Circuits - Circuits with capacitors: Circuits
วงจรไฟฟ้า. ที่มา: sdsu-physics
สัญลักษณ์ของวงจร . ที่มา: andrewpover.co.uk
กลับไปด้านบน
- 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
สนามแม่เหล็ก. ที่มา: vecteezy
กฎของแอมแปร์ ที่มา: sdsu-physics
กฎของฟาราดี ที่มา: sdsu-physics
กลับไปด้านบน
- Introduction to electromagnetic waves: Electromagnetic waves and interference - Interference of electromagnetic waves
คลื่นแม่เหล็กไฟฟ้า. ที่มา: Differencebetween
อีเอ็มไอสเปกตรัม ที่มา: electrical4u
กลับไปด้านบน
- Reflection and refraction: Geometric optics - Mirrors: Geometric optics - Lenses
เลนส์เรขาคณิต - Raytracing ที่มา: sdsu-physics
เลนส์เรขาคณิต - การสะท้อนกลับ ที่มา: sdsu-physics
กลับไปด้านบน
พีชคณิตเชิงเส้นคือคณิตศาสตร์ของเวกเตอร์และเมทริกซ์ ข้อกำหนดเบื้องต้นเพียงอย่างเดียวสำหรับคู่มือนี้คือความเข้าใจพื้นฐานเกี่ยวกับแนวคิดทางคณิตศาสตร์ระดับมัธยมปลาย เช่น ตัวเลข ตัวแปร สมการ และการดำเนินการทางคณิตศาสตร์พื้นฐานของจำนวนจริง: การบวก (แทนด้วยเครื่องหมาย +) การลบ (แทนด้วย −) การคูณ (แทนด้วยเครื่องหมายโดยปริยาย) และ การหาร (เศษส่วน) นอกจากนี้ คุณควรทำความคุ้นเคยกับฟังก์ชันที่รับจำนวนจริงเป็นอินพุตและให้จำนวนจริงเป็นเอาต์พุต f : R → R
พีชคณิตเชิงเส้น - หลักสูตรออนไลน์ | มหาวิทยาลัยฮาร์วาร์ด
พีชคณิตเชิงเส้น | MIT เปิดห้องสมุดการเรียนรู้
พีชคณิตเชิงเส้น - Khan Academy
หลักสูตรพีชคณิตเชิงเส้นยอดนิยมใน Coursera
คณิตศาสตร์สำหรับการเรียนรู้ของเครื่อง: พีชคณิตเชิงเส้นบน Coursera
หลักสูตรพีชคณิตเชิงเส้นยอดนิยมใน Udemy
เรียนรู้พีชคณิตเชิงเส้นด้วยหลักสูตรออนไลน์และชั้นเรียนบน edX
หลักสูตรคณิตศาสตร์วิทยาศาสตร์ข้อมูล: พีชคณิตเชิงเส้นบน edX
พีชคณิตเชิงเส้นในการบรรยายยี่สิบห้า | ยูซี เดวิส
พีชคณิตเชิงเส้น | ส่วนขยาย UC ซานดิเอโก
พีชคณิตเชิงเส้นสำหรับการเรียนรู้ของเครื่อง | ส่วนขยาย UC ซานดิเอโก
พีชคณิตเชิงเส้นเบื้องต้น วิดีโอออนไลน์เชิงโต้ตอบ | วุลแฟรม
ทรัพยากรพีชคณิตเชิงเส้น | ดาร์ตมัธ
ตอนนี้เรากำหนดการดำเนินการทางคณิตศาสตร์สำหรับเวกเตอร์ การดำเนินการที่เราสามารถทำได้กับเวกเตอร์ ~u = (u1, u2, u3) และ ~v = (v1, v2, v3) คือ: การบวก การลบ การปรับขนาด บรรทัดฐาน (ความยาว) ดอทโปรดัค และครอสโปรดัค:
ดอทโปรดัคและครอสโปรดัคของเวกเตอร์สองตัวสามารถอธิบายได้ในรูปของมุม θ ระหว่างเวกเตอร์ทั้งสอง
การดำเนินงานของเวกเตอร์ ที่มา: Slideserve
การดำเนินงานของเวกเตอร์ ที่มา: pinterest
เราแสดงด้วย A เมทริกซ์โดยรวม และอ้างถึงรายการเป็น aij การดำเนินการทางคณิตศาสตร์ที่กำหนดสำหรับเมทริกซ์มีดังต่อไปนี้:
• ดีเทอร์มิแนนต์ (แทนด้วย det(A) หรือ |A|) โปรดทราบว่าผลคูณเมทริกซ์ไม่ใช่การดำเนินการสับเปลี่ยน
การดำเนินงานเมทริกซ์ ที่มา: SDSU ฟิสิกส์
ตรวจสอบโมดูลที่อนุญาตการทำงานของเมทริกซ์ ที่มา: แนวคิด DPS
ผลคูณเมทริกซ์-เวกเตอร์เป็นกรณีพิเศษที่สำคัญของผลิตภัณฑ์เมทริกซ์
มีสองวิธีที่แตกต่างกันโดยพื้นฐานแต่เท่าเทียมกันในการตีความผลคูณเมทริกซ์-เวกเตอร์ ในภาพคอลัมน์ (C) การคูณเมทริกซ์ A ด้วยเวกเตอร์ ~x ทำให้เกิดผลรวมเชิงเส้นของคอลัมน์ของเมทริกซ์: y = A x = x1A[:,1] + x2A[:,2], โดยที่ A[:,1] และ A[:,2] เป็นคอลัมน์แรกและคอลัมน์ที่สองของเมทริกซ์ A ในรูปภาพแถว (R) การคูณเมทริกซ์ A ด้วยเวกเตอร์ ~x จะสร้างเวกเตอร์คอลัมน์ที่มีค่าสัมประสิทธิ์ เท่ากับผลคูณดอทของ แถวของเมทริกซ์ที่มีเวกเตอร์ ~x
ผลคูณเมทริกซ์-เวกเตอร์ ที่มา: วิกิมีเดีย
ผลิตภัณฑ์เมทริกซ์-เวกเตอร์ ที่มา: Mathisfun
ผลคูณเมทริกซ์-เวกเตอร์ใช้เพื่อกำหนดแนวคิดของการแปลงเชิงเส้น ซึ่งเป็นหนึ่งในแนวคิดหลักในการศึกษาพีชคณิตเชิงเส้น การคูณด้วยเมทริกซ์ A ∈ R m×n สามารถคิดได้ว่าเป็นการคำนวณการแปลงเชิงเส้น TA ที่รับ n-เวกเตอร์เป็นอินพุต และสร้าง m-เวกเตอร์เป็นเอาต์พุต:
การแปลงเชิงเส้น ที่มา: Slideserve
เมทริกซ์เบื้องต้นสำหรับการแปลงเชิงเส้นใน R^2 ที่มา:Quora
ทฤษฎีบทพื้นฐานของพีชคณิตเชิงเส้นสำหรับปริภูมิเวกเตอร์ ที่มา: วิกิมีเดีย
ทฤษฎีบทพื้นฐานของพีชคณิตเชิงเส้น ที่มา: วุลแฟรม
ระบบสมการเชิงเส้นโดยกราฟ ที่มา: สไลด์แชร์
ระบบสมการที่เป็นสมการเมทริกซ์ ที่มา: Mathisfun
ในส่วนนี้ เราจะดูแนวทางต่างๆ หลายวิธีในการคำนวณค่าผกผันของเมทริกซ์ ค่าผกผันของเมทริกซ์นั้นไม่ซ้ำกัน ดังนั้นไม่ว่าเราจะใช้วิธีการใดในการหาค่าผกผัน เราก็จะได้คำตอบเดียวกันเสมอ
ค่าผกผันของเมทริกซ์ 2x2 ที่มา: pinterest
วิธีหนึ่งในการคำนวณค่าผกผันคือการใช้ขั้นตอนการกำจัดเกาส์–จอร์แดน
การดำเนินการแถว Elementray ที่มา: ยูทูป
การดำเนินการทุกแถวที่เราทำบนเมทริกซ์จะเทียบเท่ากับการคูณทางซ้ายด้วยเมทริกซ์ระดับประถมศึกษา
เมทริกซ์เบื้องต้น ที่มา: SDSU ฟิสิกส์
การหาค่าผกผันของเมทริกซ์คือการใช้วิธีทรานสโพส
การย้ายเมทริกซ์ ที่มา: Slideserve
ในส่วนนี้จะกล่าวถึงหัวข้อสำคัญอื่นๆ ของพีชคณิตเชิงเส้น
โดยสังหรณ์ใจ พื้นฐานคือเซตของเวกเตอร์ใดๆ ที่สามารถใช้เป็นระบบพิกัดสำหรับปริภูมิเวกเตอร์ได้ คุณคงคุ้นเคยกับพื้นฐานมาตรฐานสำหรับระนาบ xy ที่ประกอบด้วยแกนตั้งฉากสองแกน ได้แก่ แกน x และแกน y
พื้นฐาน ที่มา: วิกิมีเดีย
การเปลี่ยนแปลงพื้นฐาน ที่มา: วิกิมีเดีย
การแสดงเมทริกซ์ของการแปลงเชิงเส้น ที่มา: Slideserve
มิติของปริภูมิเวกเตอร์ถูกกำหนดให้เป็นจำนวนเวกเตอร์ตามเกณฑ์สำหรับปริภูมิเวกเตอร์นั้น พิจารณาปริภูมิเวกเตอร์ต่อไปนี้ S = สแปน{(1, 0, 0),(0, 1, 0),(1, 1, 0)} เมื่อเห็นว่าปริภูมิถูกอธิบายด้วยเวกเตอร์ 3 ตัว เราอาจคิดว่า S เป็นสามมิติ อย่างไรก็ตาม กรณีนี้ไม่ได้เป็นเช่นนั้น เนื่องจากเวกเตอร์ทั้งสามไม่เป็นอิสระเชิงเส้น ดังนั้นจึงไม่สร้างพื้นฐานสำหรับ S เวกเตอร์สองตัวก็เพียงพอที่จะอธิบายเวกเตอร์ใดๆ ใน S; เราสามารถเขียน S = span{(1, 0, 0),(0, 1, 0)} และเราเห็นว่าเวกเตอร์สองตัวนี้มีความเป็นอิสระเชิงเส้นตรง ดังนั้นพวกมันจึงก่อตัวเป็นฐานและ dim(S) = 2 มีทั่วไป ขั้นตอนการหาพื้นฐานสำหรับปริภูมิเวกเตอร์ สมมติว่าคุณได้รับคำอธิบายของปริภูมิเวกเตอร์ในรูปของเวกเตอร์ m V = span{~v1, ~v2, - - , ~vm} และระบบจะขอให้คุณค้นหาฐานสำหรับ V และมิติของ V ในการค้นหาฐานสำหรับ V คุณต้องหาเซตของเวกเตอร์อิสระเชิงเส้นที่สแปน V เราสามารถใช้ขั้นตอนการกำจัดเกาส์–จอร์แดนเพื่อ บรรลุภารกิจนี้ เขียนเวกเตอร์ ~vi เป็นแถวของเมทริกซ์ M สเปซเวกเตอร์ V สอดคล้องกับสเปซแถวของเมทริกซ์ M ต่อไป ให้ใช้การดำเนินการแถวเพื่อค้นหารูปแบบระดับแถวแบบรีดิวซ์ (RREF) ของเมทริกซ์ M ตั้งแต่การดำเนินการแถว อย่าเปลี่ยนสเปซแถวของเมทริกซ์ สเปซแถวของรูปแบบขั้นบันไดแบบลดรูปของเมทริกซ์ M จะเหมือนกับสเปซแถวของเซตเวกเตอร์ดั้งเดิม แถวที่ไม่ใช่ศูนย์ใน RREF ของเมทริกซ์สร้างพื้นฐานสำหรับปริภูมิเวกเตอร์ V และจำนวนแถวที่ไม่ใช่ศูนย์คือมิติของ V
พื้นฐานและมิติ ที่มา: Sliderserve
นึกถึงปริภูมิเวกเตอร์พื้นฐานสำหรับเมทริกซ์ที่เรากำหนดไว้ในส่วน II-E: สเปซคอลัมน์ C(A), สเปซว่าง N (A) และสเปซแถว R(A) คำถามสอบพีชคณิตเชิงเส้นมาตรฐานคือการให้เมทริกซ์ A แก่คุณ และขอให้คุณค้นหามิติและพื้นฐานสำหรับแต่ละปริภูมิพื้นฐาน ในส่วนก่อนหน้านี้ เราได้อธิบายขั้นตอนตามการกำจัดเกาส์–จอร์แดน ซึ่งสามารถใช้ "กลั่น" ชุดเวกเตอร์อิสระเชิงเส้นซึ่งสร้างพื้นฐานสำหรับสเปซแถว R(A) ตอนนี้เราจะอธิบายขั้นตอนนี้พร้อมตัวอย่าง และแสดงวิธีใช้ RREF ของเมทริกซ์ A เพื่อค้นหาฐานสำหรับ C(A) และ N (A)
พื้นที่แถวและพื้นที่คอลัมน์ ที่มา: สไลด์แชร์
พื้นที่แถวและพื้นที่คอลัมน์ ที่มา: สไลด์แชร์
อันดับและความเป็นโมฆะ ที่มา: สไลด์แชร์
มีความแตกต่างที่สำคัญระหว่างเมทริกซ์ที่กลับด้านได้และเมทริกซ์ที่ไม่ถูกทำให้เป็นทางการตามทฤษฎีบทต่อไปนี้ ทฤษฎีบท. สำหรับเมทริกซ์ A ขนาด n×n ข้อความต่อไปนี้จะเทียบเท่ากัน:
ทฤษฎีบทเมทริกซ์ที่ผันกลับได้ ที่มา: SDSU ฟิสิกส์
ดีเทอร์มิแนนต์ของเมทริกซ์ ซึ่งแสดงด้วยเครื่องหมาย det(A) หรือ |A| เป็นวิธีพิเศษในการรวมรายการต่างๆ ของเมทริกซ์ที่ทำหน้าที่ตรวจสอบว่าเมทริกซ์กลับด้านได้หรือไม่
ปัจจัยกำหนดของ Square Matrix ที่มา: stackexchange
ปัจจัยกำหนดของเมทริกซ์ ที่มา: onlinemathlearning
เซตของเวกเตอร์ลักษณะเฉพาะของเมทริกซ์คือชุดพิเศษของเวกเตอร์อินพุต ซึ่งการกระทำของเมทริกซ์ถูกอธิบายเป็นการปรับขนาดอย่างง่าย เมื่อเมทริกซ์ถูกคูณด้วยเวกเตอร์ลักษณะเฉพาะตัวใดตัวหนึ่ง ผลลัพธ์ที่ได้จะเป็นเวกเตอร์ลักษณะเฉพาะตัวเดียวกันคูณด้วยค่าคงที่ A eแล = แลง อีเล ค่าคงที่ λ เรียกว่าค่าลักษณะเฉพาะของ A
EigenVectors ทั่วไป ที่มา: ยูทูป
การถดถอยเชิงเส้นเป็นแนวทางในการสร้างแบบจำลองความสัมพันธ์ระหว่างตัวแปรสองตัวโดยปรับสมการเชิงเส้นให้เหมาะสมกับข้อมูลที่สังเกตได้ ตัวแปรหนึ่งถือเป็นตัวแปรอธิบาย และอีกตัวแปรหนึ่งถือเป็นตัวแปรตาม
การถดถอยเชิงเส้นพหุคูณ ที่มา: ปานกลาง
กลับไปด้านบน
HVM (Hardware Virtual Machine) เป็นประเภทการจำลองเสมือนที่ให้ความสามารถในการรันระบบปฏิบัติการได้โดยตรงบนเครื่องเสมือนโดยไม่มีการดัดแปลงใดๆ เหมือนกับว่ามันทำงานบนฮาร์ดแวร์ Bare Metal
PV(ParaVirtualization) เป็นเทคนิคการจำลองเสมือนที่มีประสิทธิภาพและมีน้ำหนักเบาที่ทีมงาน Xen Project นำมาใช้ และต่อมาได้นำไปใช้โดยโซลูชันการจำลองเสมือนอื่นๆ PV ไม่ต้องการส่วนขยายการจำลองเสมือนจาก CPU โฮสต์ ดังนั้นจึงเปิดใช้งานการจำลองเสมือนบนสถาปัตยกรรมฮาร์ดแวร์ที่ไม่รองรับการจำลองเสมือนโดยใช้ฮาร์ดแวร์ช่วย
การจำลองเสมือนฟังก์ชันเครือข่าย (NFV) คือการแทนที่ฮาร์ดแวร์อุปกรณ์เครือข่ายด้วยเครื่องเสมือน เครื่องเสมือนใช้ไฮเปอร์ไวเซอร์เพื่อรันซอฟต์แวร์และกระบวนการเครือข่าย เช่น การกำหนดเส้นทางและการทำโหลดบาลานซ์ NFV ช่วยให้สามารถแยกบริการการสื่อสารออกจากฮาร์ดแวร์เฉพาะ เช่น เราเตอร์และไฟร์วอลล์ การแยกนี้หมายความว่าการดำเนินงานเครือข่ายสามารถให้บริการใหม่ๆ แบบไดนามิกและไม่ต้องติดตั้งฮาร์ดแวร์ใหม่ การปรับใช้ส่วนประกอบเครือข่ายด้วยการจำลองเสมือนของฟังก์ชันเครือข่ายใช้เวลาเพียงชั่วโมงเดียว เมื่อเทียบกับเดือนต่างๆ เช่นเดียวกับโซลูชันเครือข่ายแบบเดิม
Software Defined Networking (SDN) เป็นแนวทางในการสร้างเครือข่ายที่ใช้ตัวควบคุมที่ใช้ซอฟต์แวร์หรือ Application Programming Interfaces (API) เพื่อสื่อสารกับโครงสร้างพื้นฐานฮาร์ดแวร์พื้นฐานและการรับส่งข้อมูลโดยตรงบนเครือข่าย รุ่นนี้แตกต่างจากเครือข่ายแบบเดิมซึ่งใช้อุปกรณ์ฮาร์ดแวร์เฉพาะ (เราเตอร์และสวิตช์) เพื่อควบคุมการรับส่งข้อมูลเครือข่าย
Virtualized Infrastructure Manager (VIM) คือการให้บริการและลดต้นทุนด้วยการจัดการวงจรชีวิตที่มีประสิทธิภาพสูง จัดการวงจรชีวิตทั้งหมดของซอฟต์แวร์และฮาร์ดแวร์ที่ประกอบด้วยโครงสร้างพื้นฐาน NFV (NFVI) ของคุณ และดูแลรักษาสินค้าคงคลังสดและแผนการจัดสรรของทรัพยากรทั้งกายภาพและเสมือน
Management and Orchestration (MANO) เป็นความคิดริเริ่มที่โฮสต์โดย ETSI เพื่อพัฒนาซอฟต์แวร์ Open Source NFV Management and Orchestration (MANO) ที่สอดคล้องกับ ETSI NFV องค์ประกอบหลักสองประการของเฟรมเวิร์กสถาปัตยกรรม ETSI NFV คือ NFV Orchestrator และ VNF Manager หรือที่เรียกว่า NFV MANO
Magma เป็นแพลตฟอร์มซอฟต์แวร์โอเพ่นซอร์สที่ช่วยให้ผู้ให้บริการเครือข่ายมีโซลูชันเครือข่ายหลักแบบเปิด ยืดหยุ่น และขยายได้ ภารกิจของพวกเขาคือการเชื่อมต่อโลกเข้ากับเครือข่ายที่เร็วขึ้นโดยช่วยให้ผู้ให้บริการสามารถสร้างเครือข่ายระดับผู้ให้บริการที่คุ้มค่าและขยายได้ Magma คือการสร้าง 3GPP (2G, 3G, 4G หรือเครือข่าย 5G ที่กำลังจะมีขึ้น) และเข้าถึงเครือข่ายที่ไม่เชื่อเรื่องพระเจ้า (มือถือหรือ WiFi) สามารถรองรับเครือข่ายการเข้าถึงวิทยุได้อย่างยืดหยุ่นโดยมีการพัฒนาและปรับใช้เพียงเล็กน้อย
OpenRAN คือ Radio Access Network (RAN) อัจฉริยะที่บูรณาการบนแพลตฟอร์มอเนกประสงค์ พร้อมด้วยอินเทอร์เฟซแบบเปิดระหว่างฟังก์ชันที่กำหนดโดยซอฟต์แวร์ Open RANecosystem ช่วยให้เกิดความยืดหยุ่นและการทำงานร่วมกันได้อย่างมหาศาล พร้อมการเปิดกว้างให้กับการใช้งานจากผู้จำหน่ายหลายราย
Open vSwitch(OVS) คือคุณภาพการผลิตแบบโอเพ่นซอร์ส ซึ่งเป็นสวิตช์เสมือนหลายชั้นที่ได้รับอนุญาตภายใต้ใบอนุญาตโอเพ่นซอร์ส Apache 2.0 ได้รับการออกแบบมาเพื่อเปิดใช้งานเครือข่ายอัตโนมัติขนาดใหญ่ผ่านส่วนขยายทางโปรแกรม ในขณะที่ยังคงรองรับอินเทอร์เฟซและโปรโตคอลการจัดการมาตรฐาน (NetFlow, sFlow, IPFIX, RSPAN, CLI, LACP, 802.1ag)
Edge เป็นเฟรมเวิร์กการประมวลผลแบบกระจายที่นำแอปพลิเคชันระดับองค์กรเข้าใกล้แหล่งข้อมูล เช่น อุปกรณ์ IoT หรือเซิร์ฟเวอร์ Edge ภายในเครื่อง ความใกล้ชิดกับข้อมูลที่แหล่งที่มานี้สามารถให้ผลประโยชน์ทางธุรกิจที่แข็งแกร่ง รวมถึงข้อมูลเชิงลึกที่เร็วขึ้น เวลาตอบสนองที่ดีขึ้น และความพร้อมใช้งานแบนด์วิธที่ดีขึ้น
Multi-access Edge Computing (MEC) เป็นกลุ่มข้อกำหนดทางอุตสาหกรรม (ISG) ภายใน ETSI เพื่อสร้างสภาพแวดล้อมแบบเปิดที่เป็นมาตรฐาน ซึ่งจะช่วยให้สามารถบูรณาการแอปพลิเคชันจากผู้ขาย ผู้ให้บริการ และบุคคลที่สามได้อย่างมีประสิทธิภาพและราบรื่นผ่าน Multi-vendor Multi - เข้าถึงแพลตฟอร์ม Edge Computing
ฟังก์ชันเครือข่ายเสมือน (VNF) เป็นแอปพลิเคชันซอฟต์แวร์ที่ใช้ในการจำลองการทำงานของเครือข่าย (NFV) ซึ่งมีอินเทอร์เฟซที่กำหนดไว้อย่างดี และจัดเตรียมฟังก์ชันเครือข่ายส่วนประกอบตั้งแต่หนึ่งรายการขึ้นไปในลักษณะที่กำหนด ตัวอย่างเช่น การรักษาความปลอดภัย VNF มีฟังก์ชันการแปลที่อยู่เครือข่าย (NAT) และส่วนประกอบไฟร์วอลล์
Cloud-Native Network Functions (CNF) เป็นฟังก์ชันเครือข่ายที่ออกแบบและนำไปใช้เพื่อทำงานภายในคอนเทนเนอร์ CNF สืบทอดสถาปัตยกรรมและหลักการปฏิบัติงานบนระบบคลาวด์ทั้งหมด รวมถึงการจัดการวงจรชีวิตของ Kubernetes(K8s) ความคล่องตัว ความยืดหยุ่น และความสามารถในการสังเกต
ฟังก์ชันเครือข่ายทางกายภาพ (PNF) เป็นโหนดเครือข่ายทางกายภาพที่ยังไม่ผ่านการจำลองเสมือน ทั้ง PNF และ VNF (ฟังก์ชันเครือข่ายเสมือน) สามารถใช้เพื่อสร้างบริการเครือข่ายโดยรวมได้
โครงสร้างพื้นฐานการจำลองเสมือนของฟังก์ชันเครือข่าย (NFVI) เป็นรากฐานของสถาปัตยกรรม NFV โดยรวม โดยจัดเตรียมการประมวลผลทางกายภาพ พื้นที่เก็บข้อมูล และฮาร์ดแวร์เครือข่ายที่โฮสต์ VNF แต่ละบล็อก NFVI สามารถถือเป็นโหนด NFVI และหลายโหนดสามารถปรับใช้และควบคุมทางภูมิศาสตร์ได้
Virtualization-based Security (VBS) เป็นคุณลักษณะการจำลองเสมือนสำหรับฮาร์ดแวร์เพื่อสร้างและแยกพื้นที่หน่วยความจำที่ปลอดภัยออกจากระบบปฏิบัติการปกติ
Hypervisor-Enforced Code Integrity (HVCI) เป็นกลไกที่ไฮเปอร์ไวเซอร์ เช่น Hyper-V ใช้การจำลองเสมือนของฮาร์ดแวร์เพื่อปกป้องกระบวนการในโหมดเคอร์เนลจากการแทรกและการเรียกใช้โค้ดที่เป็นอันตรายหรือโค้ดที่ไม่ได้รับการยืนยัน การตรวจสอบความสมบูรณ์ของโค้ดจะดำเนินการในสภาพแวดล้อมที่ปลอดภัยซึ่งทนทานต่อการโจมตีจากซอฟต์แวร์ที่เป็นอันตราย และการอนุญาตเพจสำหรับโหมดเคอร์เนลได้รับการตั้งค่าและดูแลรักษาโดยไฮเปอร์ไวเซอร์
KVM (สำหรับเครื่องเสมือนที่ใช้เคอร์เนล) เป็นโซลูชันการจำลองเสมือนเต็มรูปแบบสำหรับ Linux บนฮาร์ดแวร์ x86 ที่มีส่วนขยายการจำลองเสมือน (Intel VT หรือ AMD-V) ประกอบด้วยโมดูลเคอร์เนลที่โหลดได้ kvm.ko ซึ่งจัดเตรียมโครงสร้างพื้นฐานการจำลองเสมือนหลักและโมดูลเฉพาะโปรเซสเซอร์ kvm-intel.ko หรือ kvm-amd.ko
QEMU เป็นตัวจำลองโปรเซสเซอร์ที่รวดเร็วโดยใช้ตัวแปลแบบไดนามิกแบบพกพา QEMU จำลองระบบเต็มรูปแบบ รวมถึงโปรเซสเซอร์และอุปกรณ์ต่อพ่วงต่างๆ สามารถใช้เพื่อเปิดระบบปฏิบัติการอื่นโดยไม่ต้องรีบูตพีซีหรือแก้ไขรหัสระบบ
Hyper-V ช่วยให้สามารถใช้งานระบบคอมพิวเตอร์เสมือนจริงบนโฮสต์จริงได้ ระบบเวอร์ช่วลไลซ์เหล่านี้สามารถใช้และจัดการได้เสมือนว่าเป็นระบบคอมพิวเตอร์จริง อย่างไรก็ตาม ระบบเหล่านั้นมีอยู่ในสภาพแวดล้อมเสมือนจริงและแยกออกจากกัน ซอฟต์แวร์พิเศษที่เรียกว่าไฮเปอร์ไวเซอร์จัดการการเข้าถึงระหว่างระบบเสมือนและทรัพยากรฮาร์ดแวร์กายภาพ การจำลองเสมือนช่วยให้สามารถปรับใช้ระบบคอมพิวเตอร์ได้อย่างรวดเร็ว เป็นวิธีการคืนค่าระบบให้อยู่ในสถานะดีที่ทราบก่อนหน้านี้ได้อย่างรวดเร็ว และความสามารถในการโยกย้ายระบบระหว่างโฮสต์กายภาพ
VirtManager เป็นเครื่องมือกราฟิกสำหรับจัดการเครื่องเสมือนผ่าน libvirt การใช้งานส่วนใหญ่ใช้กับเครื่องเสมือน QEMU/KVM แต่รองรับคอนเทนเนอร์ Xen และ libvirt LXC เป็นอย่างดี การดำเนินการทั่วไปสำหรับไดรเวอร์ libvirt ควรใช้งานได้
oVirt เป็นโซลูชันการจำลองเสมือนแบบโอเพ่นซอร์สที่ออกแบบมาเพื่อจัดการโครงสร้างพื้นฐานองค์กรทั้งหมดของคุณ oVirt ใช้ไฮเปอร์ไวเซอร์ KVM ที่เชื่อถือได้และสร้างขึ้นจากโครงการชุมชนอื่นๆ อีกหลายโครงการ รวมถึง libvirt, Gluster, PatternFly และ Ansible ก่อตั้งโดย Red Hat ในฐานะโครงการชุมชนที่ใช้ Red Hat Enterprise Virtualization ซึ่งช่วยให้สามารถจัดการเครื่องเสมือนแบบรวมศูนย์ คำนวณ พื้นที่เก็บข้อมูลและทรัพยากรเครือข่าย จากฟรอนต์เอนด์บนเว็บที่ใช้งานง่ายพร้อมการเข้าถึงแพลตฟอร์มที่เป็นอิสระ
HyperKit เป็นชุดเครื่องมือสำหรับฝังความสามารถของไฮเปอร์ไวเซอร์ในแอปพลิเคชันของคุณ ประกอบด้วยไฮเปอร์ไวเซอร์ที่สมบูรณ์ ซึ่งใช้ xhyve/bhyve ซึ่งได้รับการปรับให้เหมาะสมสำหรับเครื่องเสมือนขนาดเล็กและการปรับใช้คอนเทนเนอร์ ได้รับการออกแบบมาให้เชื่อมต่อกับส่วนประกอบระดับสูงกว่า เช่น VPNKit และ DataKit ปัจจุบัน HyperKit รองรับเฉพาะ macOS โดยใช้ Hypervisor.framework ทำให้เป็นองค์ประกอบหลักของ Docker Desktop สำหรับ Mac
Intel® Graphics Virtualization Technology (Intel® GVT) เป็นโซลูชันการจำลองเสมือน GPU เต็มรูปแบบพร้อมการส่งผ่านสื่อกลาง เริ่มต้นจากโปรเซสเซอร์ Intel Core (TM) เจนเนอเรชั่น 4 พร้อมกราฟิกโปรเซสเซอร์ Intel (Broadwell และใหม่กว่า) สามารถใช้ในการจำลอง GPU สำหรับเครื่องเสมือนของแขกหลายเครื่อง โดยให้ประสิทธิภาพกราฟิกที่ใกล้เคียงกับเนทิฟในเครื่องเสมือนได้อย่างมีประสิทธิภาพ และยังคงปล่อยให้โฮสต์ของคุณใช้ GPU เสมือนจริงได้ตามปกติ
Apple Hypervisor เป็น frameowrk ที่สร้างโซลูชันการจำลองเสมือนที่ด้านบนของไฮเปอร์ไวเซอร์น้ำหนักเบา โดยไม่มีส่วนขยายเคอร์เนลของบริษัทอื่น Hypervisor จัดเตรียม C API เพื่อให้คุณสามารถโต้ตอบกับเทคโนโลยีการจำลองเสมือนในพื้นที่ผู้ใช้ โดยไม่ต้องเขียนส่วนขยายเคอร์เนล (KEXT) ด้วยเหตุนี้ แอพที่คุณสร้างโดยใช้เฟรมเวิร์กนี้จึงเหมาะสำหรับการเผยแพร่บน Mac App Store
Apple Virtualization Framework เป็นเฟรมเวิร์กที่ให้บริการ API ระดับสูงสำหรับการสร้างและจัดการเครื่องเสมือนบนคอมพิวเตอร์ Apple Silicon และ Mac ที่ใช้ Intel เฟรมเวิร์กนี้ใช้ในการบูตและรันระบบปฏิบัติการบน Linux ในสภาพแวดล้อมที่กำหนดเองที่คุณกำหนด นอกจากนี้ยังรองรับข้อกำหนด Virtio ซึ่งกำหนดอินเทอร์เฟซมาตรฐานสำหรับอุปกรณ์หลายประเภท รวมถึงเครือข่าย ซ็อกเก็ต พอร์ตอนุกรม อุปกรณ์จัดเก็บข้อมูล เอนโทรปี และอุปกรณ์บอลลูนหน่วยความจำ
Apple Paravirtualized Graphics Framework เป็นเฟรมเวิร์กที่ใช้กราฟิกเร่งด้วยฮาร์ดแวร์สำหรับ macOS ที่ทำงานบนเครื่องเสมือน ซึ่งต่อไปนี้เรียกว่าแขก ระบบปฏิบัติการมีไดรเวอร์กราฟิกที่ทำงานในตัวแขก โดยสื่อสารกับเฟรมเวิร์กในระบบปฏิบัติการโฮสต์เพื่อใช้ประโยชน์จากกราฟิกที่เร่งด้วยโลหะ
Cloud Hypervisor เป็น Virtual Machine Monitor (VMM) แบบโอเพ่นซอร์สที่ทำงานบน KVM โปรเจ็กต์มุ่งเน้นไปที่การรันเวิร์กโหลดบนคลาวด์ที่ทันสมัยโดยเฉพาะ นอกเหนือจากสถาปัตยกรรมและแพลตฟอร์มฮาร์ดแวร์ที่มีจำนวนจำกัด ปริมาณงานบนคลาวด์หมายถึงปริมาณงานที่โดยปกติแล้วลูกค้าจะเป็นผู้ดำเนินการภายในผู้ให้บริการระบบคลาวด์ Cloud Hypervisor ใช้งานใน Rust และอิงตามกล่องrust-vmm
VMware vSphere Hypervisor เป็นไฮเปอร์ไวเซอร์แบบ Bare Metal ที่สร้างเซิร์ฟเวอร์เสมือน ช่วยให้คุณสามารถรวมแอปพลิเคชันของคุณพร้อมทั้งประหยัดเวลาและเงินในการจัดการโครงสร้างพื้นฐานด้านไอทีของคุณ
Xen มุ่งเน้นไปที่การพัฒนาเทคโนโลยีเสมือนที่ล้ำหน้าในแอปพลิเคชันเชิงพาณิชย์และโอเพ่นซอร์สที่แตกต่างกันจำนวนมาก รวมถึงเซิร์ฟเวอร์เสมือนจริง โครงสร้างพื้นฐานเป็นบริการ (IaaS) การจำลองเสมือนบนเดสก์ท็อป แอปพลิเคชันความปลอดภัย อุปกรณ์ฝังตัวและฮาร์ดแวร์ และยานยนต์/การบิน
Ganeti เป็นเครื่องมือการจัดการคลัสเตอร์เครื่องเสมือนที่สร้างขึ้นจากเทคโนโลยีเสมือนจริงที่มีอยู่ เช่น Xen หรือ KVM และซอฟต์แวร์โอเพ่นซอร์สอื่นๆ เมื่อติดตั้งแล้ว เครื่องมือจะถือว่าการจัดการอินสแตนซ์เสมือน (Xen DomU)
Packer เป็นเครื่องมือโอเพ่นซอร์สสำหรับสร้างอิมเมจเครื่องที่เหมือนกันสำหรับหลายแพลตฟอร์มจากการกำหนดค่าแหล่งเดียว Packer มีน้ำหนักเบา ทำงานบนระบบปฏิบัติการหลักทุกระบบ และมีประสิทธิภาพสูง โดยสร้างอิมเมจเครื่องสำหรับหลายแพลตฟอร์มพร้อมกัน Packer ไม่ได้แทนที่การจัดการการกำหนดค่าเช่น Chef หรือ Puppet ในความเป็นจริง เมื่อสร้างอิมเมจ Packer สามารถใช้เครื่องมือเช่น Chef หรือ Puppet เพื่อติดตั้งซอฟต์แวร์ลงบนอิมเมจได้
Vagrant เป็นเครื่องมือสำหรับสร้างและจัดการสภาพแวดล้อมเครื่องเสมือนในเวิร์กโฟลว์เดียว ด้วยเวิร์กโฟลว์ที่ใช้งานง่ายและมุ่งเน้นไปที่ระบบอัตโนมัติ Vagrant ช่วยลดเวลาการตั้งค่าสภาพแวดล้อมการพัฒนา เพิ่มความเท่าเทียมกันในการผลิต และทำให้ "งานบนเครื่องของฉัน" เป็นข้อแก้ตัวที่ตกทอดมาจากอดีต ให้สภาพแวดล้อมการทำงานที่ง่ายต่อการกำหนดค่า ทำซ้ำ และพกพาได้ ซึ่งสร้างขึ้นจากเทคโนโลยีมาตรฐานอุตสาหกรรม และควบคุมโดยขั้นตอนการทำงานที่สอดคล้องกันเพียงขั้นตอนเดียว เพื่อช่วยเพิ่มประสิทธิภาพและความยืดหยุ่นสูงสุดให้กับคุณและทีมของคุณ
Parallels Desktop คือเดสก์ท็อปไฮเปอร์ไวเซอร์ที่มอบแอปพลิเคชันที่รวดเร็ว ง่ายที่สุด และทรงพลังที่สุดสำหรับการรัน Windows/Linux บน Mac (รวมถึงชิป Apple M1 ใหม่) และ ChromeOS
VMware Fusion คือ Desktop Hypervisor ที่ส่งมอบเครื่องเสมือนเดสก์ท็อปและ 'เซิร์ฟเวอร์' คอนเทนเนอร์และคลัสเตอร์ Kubernetes ให้กับนักพัฒนาและผู้เชี่ยวชาญด้านไอทีบน Mac
VMware Workstation เป็นโฮสต์ไฮเปอร์ไวเซอร์ที่ทำงานบนระบบปฏิบัติการ Windows และ Linux เวอร์ชัน x64; ช่วยให้ผู้ใช้สามารถตั้งค่าเครื่องเสมือนบนเครื่องจริงเครื่องเดียว และใช้พร้อมกันกับเครื่องจริงได้
กลับไปด้านบน
Parallel Computing คือสภาพแวดล้อมการประมวลผลที่โปรเซสเซอร์ตั้งแต่สองตัวขึ้นไป (คอร์ คอมพิวเตอร์) ทำงานพร้อมกันเพื่อแก้ไขปัญหาเดียว ปัญหาใหญ่มักแบ่งออกเป็นปัญหาย่อยๆ ซึ่งสามารถแก้ไขไปพร้อมๆ กันได้ การคำนวณแบบขนานมีรูปแบบที่แตกต่างกันหลายรูปแบบ: [ระดับบิต]https://en.wikipedia.org/wiki/Bit-level_parallelism) ระดับคำสั่ง ข้อมูล และการทำงานแบบขนาน
คอมพิวเตอร์แบบเร่งความเร็ว - การฝึกอบรม | นักพัฒนา NVIDIA
หลักสูตรพื้นฐานของการเร่งความเร็วคอมพิวเตอร์ด้วย CUDA Python | NVIDIA
หลักสูตรคอมพิวเตอร์แบบขนานชั้นนำออนไลน์ | กูร์เรร่า
หลักสูตรคอมพิวเตอร์แบบขนานชั้นนำออนไลน์ | อูเดมี่
มาสเตอร์คลาสคอมพิวเตอร์เชิงวิทยาศาสตร์: ขนานและกระจาย
เรียนรู้การประมวลผลแบบขนานใน Python | อูเดมี่
การประมวลผล GPU ใน Vulkan | อูเดมี่
หลักสูตรคอมพิวเตอร์ประสิทธิภาพสูง | ความอูดาซิตี้
หลักสูตรคอมพิวเตอร์แบบขนาน | สแตนฟอร์ดออนไลน์
คอมพิวเตอร์แบบขนาน | เอ็มไอที โอเพนคอร์สแวร์
ความเท่าเทียมแบบมัลติเธรด: ภาษาและคอมไพเลอร์ | เอ็มไอที โอเพนคอร์สแวร์
คอมพิวเตอร์แบบขนานกับ CUDA | พหูพจน์
สถาปัตยกรรม HPC และการออกแบบระบบ | อินเทล
MATLAB Parallel Server™ เป็นเครื่องมือที่ช่วยให้คุณปรับขนาดโปรแกรม MATLAB® และการจำลอง Simulink® ไปยังคลัสเตอร์และคลาวด์ได้ คุณสามารถสร้างต้นแบบโปรแกรมและการจำลองของคุณบนเดสก์ท็อป จากนั้นรันบนคลัสเตอร์และคลาวด์โดยไม่ต้องเข้ารหัสใหม่ MATLAB Parallel Server รองรับงานแบตช์ การคำนวณแบบขนานเชิงโต้ตอบ และการคำนวณแบบกระจายที่มีเมทริกซ์ขนาดใหญ่
Parallel Computing Toolbox™ เป็นเครื่องมือที่ช่วยให้คุณแก้ไขปัญหาด้านการคำนวณและข้อมูลจำนวนมากโดยใช้โปรเซสเซอร์แบบมัลติคอร์, GPU และคลัสเตอร์คอมพิวเตอร์ โครงสร้างระดับสูง เช่น Parallel for-loops ประเภทอาเรย์พิเศษ และอัลกอริธึมตัวเลขแบบขนาน ช่วยให้คุณสามารถขนานแอปพลิเคชัน MATLAB® ได้โดยไม่ต้องเขียนโปรแกรม CUDA หรือ MPI กล่องเครื่องมือช่วยให้คุณใช้ฟังก์ชันที่เปิดใช้งานแบบขนานใน MATLAB และกล่องเครื่องมืออื่นๆ คุณสามารถใช้กล่องเครื่องมือกับ Simulink® เพื่อจำลองแบบจำลองหลายรายการพร้อมกันได้ โปรแกรมและโมเดลสามารถทำงานได้ทั้งในโหมดโต้ตอบและโหมดแบตช์
Statistics and Machine Learning Toolbox™ เป็นเครื่องมือที่มีฟังก์ชันและแอปต่างๆ เพื่ออธิบาย วิเคราะห์ และจำลองข้อมูล คุณสามารถใช้สถิติเชิงพรรณนา การแสดงภาพ และการจัดกลุ่มเพื่อการวิเคราะห์ข้อมูลเชิงสำรวจ เหมาะสมกับการแจกแจงความน่าจะเป็นกับข้อมูล สร้างตัวเลขสุ่มสำหรับการจำลองมอนติคาร์โล และทำการทดสอบสมมติฐาน อัลกอริธึมการถดถอยและการจัดหมวดหมู่ช่วยให้คุณสามารถดึงการอนุมานจากข้อมูลและสร้างแบบจำลองการคาดการณ์แบบโต้ตอบได้โดยใช้แอป Classification and Regression Learner หรือโดยทางโปรแกรมโดยใช้ AutoML
OpenMP เป็น API ที่รองรับการเขียนโปรแกรมแบบขนานหน่วยความจำที่ใช้ร่วมกันหลายแพลตฟอร์มใน C/C++ และ Fortran OpenMP API กำหนดโมเดลแบบพกพาและปรับขนาดได้พร้อมอินเทอร์เฟซที่เรียบง่ายและยืดหยุ่นสำหรับการพัฒนาแอปพลิเคชันแบบขนานบนแพลตฟอร์มตั้งแต่เดสก์ท็อปไปจนถึงซูเปอร์คอมพิวเตอร์
CUDA® เป็นแพลตฟอร์มการประมวลผลแบบขนานและโมเดลการเขียนโปรแกรมที่พัฒนาโดย NVIDIA สำหรับการประมวลผลทั่วไปบนหน่วยประมวลผลกราฟิก (GPU) ด้วย CUDA นักพัฒนาสามารถเพิ่มความเร็วให้กับแอปพลิเคชันการประมวลผลได้อย่างมากโดยการควบคุมพลังของ GPU
Message Passing Interface (MPI) เป็นมาตรฐานการส่งข้อความมาตรฐานและพกพาได้ ซึ่งออกแบบมาเพื่อทำงานบนสถาปัตยกรรมการประมวลผลแบบขนาน
Microsoft MPI (MS-MPI) เป็นการใช้งาน Microsoft ของ Message Passing Interface Standard สำหรับการพัฒนาและเรียกใช้แอปพลิเคชันแบบขนานบนแพลตฟอร์ม Windows
Slurm เป็นตัวจัดการเวิร์กโหลดโอเพนซอร์ซฟรีที่ออกแบบมาโดยเฉพาะเพื่อตอบสนองความต้องการที่ต้องการของการคำนวณประสิทธิภาพสูง
Portable Batch System (PBS) Pro เป็นตัวจัดการปริมาณงานที่รวดเร็วและทรงพลังที่ออกแบบมาเพื่อปรับปรุงประสิทธิภาพการใช้งานเพิ่มประสิทธิภาพการใช้งานและประสิทธิภาพและทำให้การบริหารง่ายขึ้นสำหรับกลุ่มเมฆและซูเปอร์คอมพิวเตอร์
AWS ParallelCluster เป็นเครื่องมือจัดการคลัสเตอร์โอเพนซอร์สที่รองรับ AWS ซึ่งทำให้คุณสามารถปรับใช้และจัดการกลุ่มการคำนวณประสิทธิภาพสูง (HPC) บน AWS ได้ง่าย ParallelCluster ใช้ไฟล์ข้อความอย่างง่ายในรูปแบบและจัดหาทรัพยากรทั้งหมดที่จำเป็นสำหรับแอปพลิเคชัน HPC ของคุณในลักษณะอัตโนมัติและปลอดภัย
NUMBA เป็นโอเพนซอร์สคอมไพเลอร์ที่เพิ่มประสิทธิภาพ NUMPY ที่รับรู้สำหรับ Python ที่ได้รับการสนับสนุนจาก Anaconda, Inc. มันใช้โครงการคอมไพเลอร์ LLVM เพื่อสร้างรหัสเครื่องจาก Python Syntax Numba สามารถรวบรวมชุดย่อยขนาดใหญ่ของงูหลามที่เน้นตัวเลขรวมถึงฟังก์ชั่น numpy จำนวนมาก นอกจากนี้ NUMBA ยังมีการสนับสนุนการทำให้เป็นแบบขนานโดยอัตโนมัติของลูปการสร้างรหัสเร่งความเร็ว GPU และการสร้าง UFUNCS และ C การเรียกกลับ C
Chainer เป็นกรอบการเรียนรู้เชิงลึกที่ใช้งูเหลือมซึ่งมีความยืดหยุ่น มันให้ APIs ความแตกต่างอัตโนมัติตามวิธีการกำหนดโดยการวิ่ง (กราฟการคำนวณแบบไดนามิก) รวมถึง API ระดับสูงที่มุ่งเน้นวัตถุเพื่อสร้างและฝึกอบรมเครือข่ายประสาท นอกจากนี้ยังรองรับ CUDA/CUDNN โดยใช้ Cupy สำหรับการฝึกอบรมประสิทธิภาพสูงและการอนุมาน
XGBOOST เป็นไลบรารีการเพิ่มระดับการไล่ระดับสีแบบกระจายที่ได้รับการปรับให้เหมาะสมซึ่งออกแบบมาให้มีประสิทธิภาพสูงยืดหยุ่นและพกพาได้ มันใช้อัลกอริทึมการเรียนรู้ของเครื่องภายใต้กรอบการส่งเสริมการไล่ระดับสี XGBOOST ให้การส่งเสริมต้นไม้แบบขนาน (หรือที่เรียกว่า GBDT, GBM) ที่แก้ปัญหาวิทยาศาสตร์ข้อมูลจำนวนมากในวิธีที่รวดเร็วและแม่นยำ รองรับการฝึกอบรมแบบกระจายในหลายเครื่องรวมถึง AWS, GCE, Azure และกลุ่มเส้นด้าย นอกจากนี้ยังสามารถรวมเข้ากับ Flink, Spark และระบบ Dataflow อื่น ๆ
CUML เป็นชุดของห้องสมุดที่ใช้อัลกอริทึมการเรียนรู้ของเครื่องและฟังก์ชั่นดั้งเดิมทางคณิตศาสตร์ที่แบ่งปัน APIs ที่เข้ากันได้กับโครงการ Rapids อื่น ๆ CUML ช่วยให้นักวิทยาศาสตร์ด้านข้อมูลนักวิจัยและวิศวกรซอฟต์แวร์ทำงานแบบตาราง ML แบบดั้งเดิมบน GPU โดยไม่ต้องลงรายละเอียดของการเขียนโปรแกรม CUDA ในกรณีส่วนใหญ่ Python API ของ Cuml จับคู่ API จาก Scikit-Learn
Apache Cassandra ™เป็นฐานข้อมูลแบบกระจายของ NOSQL แบบโอเพนซอร์สที่ได้รับความไว้วางใจจาก บริษัท หลายพันแห่งเพื่อความสามารถในการปรับขนาดและความพร้อมใช้งานสูงโดยไม่ลดทอนประสิทธิภาพ คาสซานดราให้ความสามารถในการปรับขนาดเชิงเส้นและพิสูจน์ความผิดพลาดที่พิสูจน์ได้เกี่ยวกับฮาร์ดแวร์สินค้าโภคภัณฑ์หรือโครงสร้างพื้นฐานคลาวด์ทำให้เป็นแพลตฟอร์มที่สมบูรณ์แบบสำหรับข้อมูลที่สำคัญของภารกิจ
Apache Flume เป็นบริการแบบกระจายเชื่อถือได้และพร้อมใช้งานสำหรับการรวบรวมการรวมและการเคลื่อนย้ายข้อมูลเหตุการณ์การสตรีมจำนวนมาก
Apache Mesos เป็นตัวจัดการคลัสเตอร์ที่ให้การแยกทรัพยากรที่มีประสิทธิภาพและการแบ่งปันในแอปพลิเคชันแบบกระจายหรือเฟรมเวิร์ก มันสามารถเรียกใช้ Hadoop, Jenkins, Spark, Aurora และเฟรมเวิร์กอื่น ๆ บนสระว่ายน้ำที่ใช้ร่วมกันแบบไดนามิกของโหนด
Apache HBASE ™เป็น Open-Source, NOSQL, กระจาย Big Data Store มันช่วยให้การเข้าถึงข้อมูลแบบสุ่มสอดคล้องกันอย่างเคร่งครัดและตรงตามเวลาจริงของ petabytes HBase มีประสิทธิภาพมากสำหรับการจัดการชุดข้อมูลขนาดใหญ่กระจัดกระจาย HBase ทำหน้าที่เป็นอินพุตโดยตรงและเอาต์พุตไปยังเฟรมเวิร์ก Apache MapReduce สำหรับ Hadoop และทำงานร่วมกับ Apache Phoenix เพื่อเปิดใช้งานการสืบค้น SQL-like บนตาราง HBase
Hadoop Distributed File System (HDFS) เป็นระบบไฟล์แบบกระจายที่จัดการชุดข้อมูลขนาดใหญ่ที่ทำงานบนฮาร์ดแวร์สินค้าโภคภัณฑ์ มันถูกใช้เพื่อปรับขนาดคลัสเตอร์ Apache Hadoop เดียวเป็นหลายร้อย (และแม้แต่พัน) ของโหนด HDFS เป็นหนึ่งในองค์ประกอบสำคัญของ Apache Hadoop คนอื่น ๆ คือ Mapreduce และเส้นด้าย
Apache Arrow เป็นรูปแบบหน่วยความจำคอลัมน์ที่ไม่ขึ้นกับภาษาสำหรับข้อมูลแบนและลำดับชั้นจัดระเบียบสำหรับการวิเคราะห์ที่มีประสิทธิภาพในฮาร์ดแวร์ที่ทันสมัยเช่น CPU และ GPU
Apache Spark ™เป็นเอ็นจิ้นการวิเคราะห์แบบครบวงจรสำหรับการประมวลผลข้อมูลขนาดใหญ่ มันให้ API ระดับสูงใน Scala, Java, Python และ R และเครื่องมือที่ได้รับการปรับปรุงให้ดีที่สุดซึ่งรองรับกราฟการคำนวณทั่วไปสำหรับการวิเคราะห์ข้อมูล นอกจากนี้ยังรองรับชุดเครื่องมือระดับสูงกว่าชุดรวมถึง Spark SQL สำหรับ SQL และ DataFrames, MLLIB สำหรับการเรียนรู้ของเครื่อง, กราฟซ์สำหรับการประมวลผลกราฟและการสตรีมที่มีโครงสร้างสำหรับการประมวลผลสตรีม
Apache Predictionio เป็นกรอบการเรียนรู้ของเครื่องโอเพนซอร์สสำหรับนักพัฒนานักวิทยาศาสตร์ข้อมูลและผู้ใช้ปลายทาง รองรับการรวบรวมเหตุการณ์การปรับใช้อัลกอริทึมการประเมินผลการสอบถามผลการทำนายผ่าน REST API มันขึ้นอยู่กับบริการโอเพ่นซอร์สที่ปรับขนาดได้เช่น Hadoop, HBase (และ DBS อื่น ๆ ), Elasticsearch, Spark และใช้สิ่งที่เรียกว่าสถาปัตยกรรมแลมบ์ดา
Microsoft Project Bonsai เป็นแพลตฟอร์ม AI ที่มีรหัสต่ำซึ่งความเร็วในการพัฒนาระบบอัตโนมัติที่ขับเคลื่อนด้วย AI และเป็นส่วนหนึ่งของชุดระบบอัตโนมัติจาก Microsoft บอนไซใช้เพื่อสร้างส่วนประกอบ AI ที่สามารถให้คำแนะนำผู้ประกอบการหรือตัดสินใจอย่างอิสระเพื่อเพิ่มประสิทธิภาพตัวแปรกระบวนการปรับปรุงประสิทธิภาพการผลิตและลดการหยุดทำงาน
Cluster Manager สำหรับ Apache Kafka (CMAK) เป็นเครื่องมือสำหรับการจัดการกลุ่ม Apache Kafka
BigDL เป็นห้องสมุดการเรียนรู้เชิงลึกแบบกระจายสำหรับ Apache Spark ด้วย BIGDL ผู้ใช้สามารถเขียนแอปพลิเคชั่นการเรียนรู้อย่างลึกซึ้งเป็นโปรแกรม Spark มาตรฐานซึ่งสามารถทำงานได้โดยตรงบน Spark หรือ Hadoop Clusters ที่มีอยู่
Apache Cassandra ™เป็นฐานข้อมูลแบบกระจายของ NOSQL แบบโอเพนซอร์สที่ได้รับความไว้วางใจจาก บริษัท หลายพันแห่งเพื่อความสามารถในการปรับขนาดและความพร้อมใช้งานสูงโดยไม่ลดทอนประสิทธิภาพ คาสซานดราให้ความสามารถในการปรับขนาดเชิงเส้นและพิสูจน์ความผิดพลาดที่พิสูจน์ได้เกี่ยวกับฮาร์ดแวร์สินค้าโภคภัณฑ์หรือโครงสร้างพื้นฐานคลาวด์ทำให้เป็นแพลตฟอร์มที่สมบูรณ์แบบสำหรับข้อมูลที่สำคัญของภารกิจ
Apache Flume เป็นบริการแบบกระจายเชื่อถือได้และพร้อมใช้งานสำหรับการรวบรวมการรวมและการเคลื่อนย้ายข้อมูลเหตุการณ์การสตรีมจำนวนมาก
Apache Mesos เป็นตัวจัดการคลัสเตอร์ที่ให้การแยกทรัพยากรที่มีประสิทธิภาพและการแบ่งปันในแอปพลิเคชันแบบกระจายหรือเฟรมเวิร์ก มันสามารถเรียกใช้ Hadoop, Jenkins, Spark, Aurora และเฟรมเวิร์กอื่น ๆ บนสระว่ายน้ำที่ใช้ร่วมกันแบบไดนามิกของโหนด
Apache Beam เป็นโอเพ่นซอร์สโมเดล Unified และชุดของ SDKs เฉพาะภาษาสำหรับการกำหนดและดำเนินการเวิร์กโฟลว์การประมวลผลข้อมูลและการบริโภคข้อมูลและการรวมกระแสข้อมูลสนับสนุนรูปแบบการรวมองค์กร (EIPS) และภาษาเฉพาะโดเมน (DSLs)
Jupyter Notebook เป็นเว็บแอปพลิเคชันโอเพนซอร์ซที่อนุญาตให้คุณสร้างและแชร์เอกสารที่มีรหัสสดสมการการสร้างภาพและข้อความบรรยาย Jupyter ใช้กันอย่างแพร่หลายในอุตสาหกรรมที่ทำการทำความสะอาดและแปลงข้อมูลการจำลองเชิงตัวเลขการสร้างแบบจำลองทางสถิติการสร้างภาพข้อมูลวิทยาศาสตร์ข้อมูลและการเรียนรู้ของเครื่อง
Neo4J เป็นฐานข้อมูลกราฟความแข็งแรงขององค์กรที่รวมการจัดเก็บกราฟพื้นเมืองความปลอดภัยขั้นสูงสถาปัตยกรรมที่ปรับความเร็วได้ปรับขนาดได้และการปฏิบัติตามกรดเพื่อให้แน่ใจว่าการคาดการณ์และความสมบูรณ์ของการสืบค้นตามความสัมพันธ์
Elasticsearch เป็นเครื่องมือค้นหาที่ใช้ห้องสมุด Lucene มันมีเครื่องมือค้นหาข้อความแบบเต็มรูปแบบแบบกระจายแบบกระจายที่มีความสามารถหลายอย่างพร้อมกับเว็บอินเตอร์เฟส HTTP และเอกสาร JSON ที่ปราศจากสคีมา Elasticsearch ได้รับการพัฒนาใน Java
LogStash เป็นเครื่องมือสำหรับการจัดการกิจกรรมและบันทึก เมื่อใช้โดยทั่วไปคำนั้นจะครอบคลุมระบบการรวบรวมบันทึกการประมวลผลการจัดเก็บและการค้นหากิจกรรมที่ใหญ่ขึ้น
Kibana เป็นปลั๊กอินการสร้างภาพข้อมูลโอเพ่นซอร์สสำหรับ Elasticsearch ให้ความสามารถในการสร้างภาพข้อมูลด้านบนของเนื้อหาที่จัดทำดัชนีบนคลัสเตอร์ Elasticsearch ผู้ใช้สามารถสร้างแถบบรรทัดและแผนภูมิหรือแผนภูมิวงกลมและแผนที่ที่ด้านบนของข้อมูลจำนวนมาก
TRINO เป็นเครื่องมือค้นหา SQL แบบกระจายสำหรับข้อมูลขนาดใหญ่ สามารถเร่งกระบวนการ ETL ได้อย่างมากอนุญาตให้พวกเขาทั้งหมดใช้คำสั่ง SQL มาตรฐานและทำงานกับแหล่งข้อมูลจำนวนมากและเป้าหมายทั้งหมดในระบบเดียวกัน
Extract, Transform และ Load (ETL) เป็นไปป์ไลน์ข้อมูลที่ใช้ในการรวบรวมข้อมูลจากแหล่งต่าง ๆ แปลงข้อมูลตามกฎทางธุรกิจและโหลดลงในที่เก็บข้อมูลปลายทาง
REDIS (เซิร์ฟเวอร์พจนานุกรมระยะไกล) เป็นโอเพ่นซอร์ส (BSD Licensed) ที่เก็บโครงสร้างข้อมูลในหน่วยความจำใช้เป็นฐานข้อมูลแคชและนายหน้าข้อความ มันมีโครงสร้างข้อมูลเช่นสตริงแฮชรายการชุดชุดเรียงลำดับด้วยการสืบค้นช่วงบิตแมปไฮเปอร์ล็อกดัชนีเชิงพื้นที่และสตรีม
Apache OpenNLP เป็นไลบรารีโอเพนซอร์ซสำหรับชุดเครื่องมือที่ใช้การเรียนรู้ของเครื่องที่ใช้ในการประมวลผลข้อความภาษาธรรมชาติ มันมี API สำหรับกรณีการใช้งานเช่นการจดจำเอนทิตีที่มีชื่อ, การตรวจจับประโยค, การติดแท็ก POS (ส่วนหนึ่งของคำพูด), การแยกคุณลักษณะโทเค็น, การถ่ายทำ, การวิเคราะห์การวิเคราะห์วิเคราะห์และความละเอียด coreference
Apache Airflow เป็นแพลตฟอร์มการจัดการเวิร์กโฟลว์โอเพนซอร์ซที่สร้างขึ้นโดยชุมชนเพื่อเขียนโปรแกรมกำหนดเวลาและการตรวจสอบเวิร์กโฟลว์ ติดตั้ง. หลักการ ปรับขนาดได้ Airflow มีสถาปัตยกรรมแบบแยกส่วนและใช้คิวข้อความเพื่อจัดเรียงจำนวนคนงานโดยพลการ การไหลเวียนของอากาศพร้อมที่จะปรับขนาดให้ไม่มีที่สิ้นสุด
Open Neural Network Exchange (ONNX) เป็นระบบนิเวศเปิดที่ให้อำนาจแก่นักพัฒนา AI เพื่อเลือกเครื่องมือที่เหมาะสมเมื่อโครงการของพวกเขาวิวัฒนาการ ONNX จัดทำรูปแบบโอเพ่นซอร์สสำหรับโมเดล AI ทั้งการเรียนรู้ลึกและ ML แบบดั้งเดิม มันกำหนดรูปแบบกราฟการคำนวณที่ขยายได้รวมถึงคำจำกัดความของตัวดำเนินการในตัวและประเภทข้อมูลมาตรฐาน
Apache MXNET เป็นกรอบการเรียนรู้อย่างลึกซึ้งที่ออกแบบมาสำหรับทั้งประสิทธิภาพและความยืดหยุ่น ช่วยให้คุณผสมผสานการเขียนโปรแกรมเชิงสัญลักษณ์และจำเป็นเพื่อเพิ่มประสิทธิภาพและผลผลิตสูงสุด ที่แกนกลางของมัน MXNET มีตัวกำหนดเวลาการพึ่งพาแบบไดนามิกที่ขนานกับการดำเนินงานเชิงสัญลักษณ์และความจำเป็นโดยอัตโนมัติทันที เลเยอร์การเพิ่มประสิทธิภาพกราฟที่ด้านบนของที่ทำให้การดำเนินการเชิงสัญลักษณ์อย่างรวดเร็วและมีประสิทธิภาพหน่วยความจำ MXNET เป็นแบบพกพาและน้ำหนักเบาปรับขนาดได้อย่างมีประสิทธิภาพไปยัง GPU หลายตัวและเครื่องหลายเครื่อง สนับสนุน Python, R, Julia, Scala, GO, JavaScript และอีกมากมาย
Autogluon เป็นชุดเครื่องมือสำหรับการเรียนรู้อย่างลึกซึ้งที่ทำให้งานการเรียนรู้ของเครื่องอัตโนมัติช่วยให้คุณสามารถบรรลุประสิทธิภาพการทำนายที่แข็งแกร่งในแอปพลิเคชันของคุณได้อย่างง่ายดาย ด้วยรหัสเพียงไม่กี่บรรทัดคุณสามารถฝึกอบรมและปรับใช้โมเดลการเรียนรู้ลึกที่มีความแม่นยำสูงในข้อมูลแบบตารางภาพและข้อความ
กลับไปด้านบน
Open Computing Language (OpENCL) เป็นมาตรฐานเปิดสำหรับการเขียนโปรแกรมแบบขนานของแพลตฟอร์มที่แตกต่างกันซึ่งประกอบด้วย CPU, GPU และเครื่องเร่งความเร็วฮาร์ดแวร์อื่น ๆ ที่พบในซูเปอร์คอมพิวเตอร์เซิร์ฟเวอร์คลาวด์คอมพิวเตอร์ส่วนบุคคลอุปกรณ์พกพาและแพลตฟอร์มที่ฝังอยู่
Opencl | GitHub
กลุ่ม Khronos | GitHub
หลักสูตรเทคโนโลยี Khronos และการฝึกอบรม
OpenCl Tutorials - StreamHPC
บทนำสู่Intel® OpenCl Tools
Opencl | นักพัฒนา Nvidia
รู้เบื้องต้นเกี่ยวกับ OpenCL ในหลักสูตร FPGAS | กูร์เรร่า
รวบรวมเคอร์เนล OpenCl เข้ากับหลักสูตร FPGAS | กูร์เรร่า
RenderDoc เป็นดีบักกราฟิกแบบสแตนด์อโลนที่ช่วยให้สามารถจับภาพเฟรมเดี่ยวที่รวดเร็วและง่ายดายและการวิปัสสนาอย่างละเอียดของแอปพลิเคชันใด ๆ โดยใช้ Vulkan, D3D11, OpenGL & OpenGL ES หรือ D3D12 ทั่ว Windows, Linux, Android, Stadia หรือ Nintendo Switch ™
Gpuverify เป็นเครื่องมือสำหรับการวิเคราะห์อย่างเป็นทางการของเมล็ด GPU ที่เขียนใน OpenCL และ CUDA เครื่องมือสามารถพิสูจน์ได้ว่าเมล็ดนั้นปราศจากข้อบกพร่องบางประเภทรวมถึงการแข่งข้อมูล
OpenCl ICD Loader เป็นกลไกไดรเวอร์ไคลเอนต์ที่ติดตั้งได้ (ICD) เพื่อให้นักพัฒนาสามารถสร้างแอปพลิเคชันกับตัวโหลดไคลเอนต์ไดรเวอร์ที่ติดตั้งได้ (ICD Loader) แทนที่จะเชื่อมโยงแอปพลิเคชันของพวกเขากับการใช้งาน OpENCL ที่เฉพาะเจาะจง
Clblas เป็นไลบรารีซอฟต์แวร์ที่มีฟังก์ชั่น BLAS ที่เขียนใน OpenCl
CLFFT เป็นไลบรารีซอฟต์แวร์ที่มีฟังก์ชั่น FFT ที่เขียนใน OpenCL
Clsparse เป็นไลบรารีซอฟต์แวร์ที่มีฟังก์ชั่นกระจัดกระจายที่เขียนใน OpenCl
CLRNG เป็นไลบรารีซอฟต์แวร์ที่ใช้ OpenCL ที่มีฟังก์ชั่นการสร้างตัวเลขแบบสุ่ม
CLSMITH เป็นเครื่องมือที่ใช้เทคนิคการทดสอบที่มีอยู่สองแบบการทดสอบความแตกต่างแบบสุ่มและอินพุตโมดูโล (EMI) แบบสุ่มโดยใช้ในสภาพแวดล้อมที่มีหลายคอร์ คุณสมบัติหลักของมันคือการสร้างเมล็ด OpenCl แบบสุ่มโดยใช้คุณสมบัติหลายอย่างของภาษา นอกจากนี้ยังนำแนวคิดใหม่ของการใช้ EMI ผ่านการฉีดยาตาย
Oclgrind เป็นเครื่องจำลองอุปกรณ์เสมือนจริงของ OpenCl รวมถึงรันไทม์ OpenCL ที่มีการสนับสนุน ICD เป้าหมายคือการจัดหาแพลตฟอร์มสำหรับการสร้างเครื่องมือเพื่อช่วยในการพัฒนา OpenCl โดยเฉพาะอย่างยิ่งโครงการนี้ใช้ยูทิลิตี้สำหรับการแก้ไขข้อผิดพลาดการเข้าถึงหน่วยความจำการตรวจจับการตรวจจับข้อมูลและความแตกต่างของสิ่งกีดขวางการรวบรวมฮิสโตแกรมคำสั่งและสำหรับการดีบักเคอร์เนล opencl แบบโต้ตอบ ตัวจำลองถูกสร้างขึ้นบนล่ามสำหรับ LLVM IR
NVIDIA® NSight ™ Visual Studio Edition เป็นสภาพแวดล้อมการพัฒนาแอปพลิเคชันสำหรับแพลตฟอร์มที่แตกต่างกันซึ่งนำการคำนวณ GPU ไปสู่ Microsoft Visual Studio NVIDIA NSIGHT ™ VSE ช่วยให้คุณสร้างและดีบักเคอร์เนล GPU แบบรวมและรหัส CPU ดั้งเดิมรวมถึงตรวจสอบสถานะของ GPU และหน่วยความจำ
Radeon ™ GPU Profiler เป็นเครื่องมือประสิทธิภาพที่นักพัฒนาสามารถใช้เพื่อเพิ่มประสิทธิภาพDirectX®12, Vulkan®และ OpenCl ™สำหรับฮาร์ดแวร์ AMD RDNA ™และ GCN
Radeon ™ GPU Analyzer เป็นเครื่องมือการวิเคราะห์คอมไพเลอร์และรหัสสำหรับVulkan®, DirectX®, OpenGL®และ OpenCL ™
AMD Radeon Prorender เป็นเอ็นจิ้นการเรนเดอร์ที่ใช้ร่างกายที่ทรงพลังซึ่งช่วยให้ผู้เชี่ยวชาญด้านความคิดสร้างสรรค์สามารถผลิตภาพที่น่าทึ่งบน GPU แทบทุกรูปแบบซีพียูและระบบปฏิบัติการใด ๆ ในการสร้างเนื้อหาดิจิตอลชั้นนำมากกว่าโหลและแอพพลิเคชั่น CAD
NVIDIA OMNIVERSE เป็นแพลตฟอร์มการจำลองแบบเรียลไทม์และแพลตฟอร์มการทำงานร่วมกันสำหรับท่อส่ง 3 มิติตามคำอธิบายฉากสากลของพิกซาร์และ NVIDIA RTX
Intel® SDK สำหรับแอพพลิเคชั่น OpenCL ™เป็นปริมาณงานที่ต้องคำนวณการคำนวณมาก ปรับแต่งแอพพลิเคชั่นการคำนวณที่แตกต่างกันและเร่งประสิทธิภาพด้วยการเขียนโปรแกรมตามเคอร์เนล
NVIDIA NGC เป็นศูนย์กลางสำหรับซอฟต์แวร์ GPU ที่ปรับให้เหมาะสมสำหรับการเรียนรู้อย่างลึกซึ้งการเรียนรู้ของเครื่องและปริมาณงานคอมพิวเตอร์ประสิทธิภาพสูง (HPC)
Nvidia NGC Containers เป็นรีจิสทรีที่ให้นักวิจัยนักวิทยาศาสตร์ด้านข้อมูลและนักพัฒนาที่สามารถเข้าถึงแคตตาล็อกที่ครอบคลุมของซอฟต์แวร์เร่งความเร็ว GPU สำหรับ AI การเรียนรู้ของเครื่องและ HPC ภาชนะเหล่านี้ใช้ประโยชน์อย่างเต็มที่จาก Nvidia GPU ในสถานที่และในคลาวด์
Nvidia Cudnn เป็นห้องสมุดที่เร่งด้วย GPU ของดั้งเดิมสำหรับเครือข่ายประสาทลึก CUDNN ให้การใช้งานที่ปรับสูงสำหรับกิจวัตรมาตรฐานเช่นการยึดไปข้างหน้าและย้อนหลังการรวมการรวมการทำให้เป็นมาตรฐานและเลเยอร์การเปิดใช้งาน CUDNN เร่งกรอบการเรียนรู้ที่ใช้กันอย่างแพร่หลายรวมถึง Caffe2, Chainer, Keras, Matlab, MxNet, Pytorch และ Tensorflow
ชุดเครื่องมือคอนเทนเนอร์ NVIDIA เป็นชุดของเครื่องมือและห้องสมุดที่อนุญาตให้ผู้ใช้สร้างและเรียกใช้คอนเทนเนอร์ Docker เร่ง GPU ชุดเครื่องมือมีไลบรารีและยูทิลิตี้รันไทม์คอนเทนเนอร์เพื่อกำหนดค่าคอนเทนเนอร์โดยอัตโนมัติเพื่อใช้ประโยชน์จาก Nvidia GPU
กลับไปด้านบน
CUDA Toolkit ที่มา: นักพัฒนา Nvidia Cuda
CUDA เป็นแพลตฟอร์มการคำนวณแบบขนานและรูปแบบการเขียนโปรแกรมที่พัฒนาโดย NVIDIA สำหรับการคำนวณทั่วไปในหน่วยประมวลผลกราฟิก (GPU) ด้วย CUDA นักพัฒนาสามารถเพิ่มความเร็วในการคำนวณแอพพลิเคชั่นโดยการควบคุมพลังของ GPU ในแอปพลิเคชันที่เร่งด้วย GPU ส่วนต่อเนื่องของเวิร์กโหลดทำงานบน CPU ซึ่งได้รับการปรับให้เหมาะสมสำหรับเธรดเดี่ยว การคำนวณส่วนที่เข้มข้นของแอปพลิเคชันทำงานบนแกน GPU หลายพันแกนในแบบคู่ขนาน เมื่อใช้ CUDA นักพัฒนาสามารถตั้งโปรแกรมในภาษาที่เป็นที่นิยมเช่น C, C ++, Fortran, Python และ Matlab
เอกสาร CUDA Toolkit
คู่มือการเริ่มต้นอย่างรวดเร็วของ CUDA
CUDA บน WSL
การสนับสนุน cuda gpu สำหรับ tensorflow
Nvidia การเรียนรู้อย่างลึกซึ้งเอกสาร cudnn
เอกสารคลาวด์ Nvidia GPU
NVIDIA NGC เป็นศูนย์กลางสำหรับซอฟต์แวร์ GPU ที่ปรับให้เหมาะสมสำหรับการเรียนรู้อย่างลึกซึ้งการเรียนรู้ของเครื่องและปริมาณงานคอมพิวเตอร์ประสิทธิภาพสูง (HPC)
Nvidia NGC Containers เป็นรีจิสทรีที่ให้นักวิจัยนักวิทยาศาสตร์ด้านข้อมูลและนักพัฒนาที่สามารถเข้าถึงแคตตาล็อกที่ครอบคลุมของซอฟต์แวร์เร่งความเร็ว GPU สำหรับ AI การเรียนรู้ของเครื่องและ HPC ภาชนะเหล่านี้ใช้ประโยชน์อย่างเต็มที่จาก Nvidia GPU ในสถานที่และในคลาวด์
CUDA Toolkit เป็นชุดของเครื่องมือและห้องสมุดที่ให้สภาพแวดล้อมการพัฒนาสำหรับการสร้างแอพพลิเคชั่นที่เร่งความเร็ว GPU ที่มีประสิทธิภาพสูง CUDA Toolkit ช่วยให้คุณสามารถพัฒนาเพิ่มประสิทธิภาพและปรับใช้แอปพลิเคชันของคุณในระบบฝังตัวที่เร่งด้วย GPU, เวิร์กสเตชันเดสก์ท็อป, ศูนย์ข้อมูลองค์กร, แพลตฟอร์มบนคลาวด์และซูเปอร์คอมพิวเตอร์ HPC Toolkit รวมถึงไลบรารีที่เร่งด้วย GPU เครื่องมือการดีบักและการเพิ่มประสิทธิภาพคอมไพเลอร์ C/C ++ และไลบรารีรันไทม์เพื่อสร้างและปรับใช้แอปพลิเคชันของคุณบนสถาปัตยกรรมที่สำคัญรวมถึง X86
