devito

Devito：根據符號規範進行快速模板計算

Devito 是一個 Python 包，用於根據高階符號問題定義實現最佳化的範本計算（例如，有限差分、影像處理、機器學習）。 Devito 基於 SymPy 構建，並採用自動程式碼生成和即時編譯在多個電腦平台（包括 CPU、GPU 及其叢集）上執行最佳化的計算核心。

• 關於德維托
• 安裝
• 資源
• 常見問題解答
• 表現
• 聯絡我們
• 互動式 Jupyter 筆記本

關於德維托

Devito 提供了一種函數式語言來實現複雜的運算符，這些運算符可以由多個模板計算、邊界條件、稀疏運算（例如內插）等組成。一個典型的用例是用於逼近偏微分方程的顯式有限差分方法。例如，2D 擴散算子可以用 Devito 實現，如下所示

 >> > 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從Eq的有序集合產生低階程式碼（上面的範例針對單一方程式）。這段程式碼也可以被編譯並執行

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

Operator的複雜性實際上沒有限制——Devito 編譯器將自動分析輸入、偵測和應用最佳化（包括單節點和多節點並行性），並最終產生具有合適循環和表達式的程式碼。

主要特點包括：

• 表達有限差分算子的函數語言。
• 調整離散化的簡單機制。
• 用於表達稀疏算子（例如內插）、經典線性算子（例如捲積）和張量收縮的構造。
• 對邊界條件和伴隨算子的無縫支援。
• 用於定義自訂範本、子網域、子取樣和交錯網格的靈活 API。
• 產生高度最佳化的平行程式碼（SIMD 向量化、透過 OpenMP 和 OpenACC 的 CPU 和 GPU 並行性、透過 MPI 的多節點並行性、阻塞、用於減少 FLOP 的積極符號轉換等）。
• 多節點 (MPI) 域分解上的分佈式 NumPy 陣列。
• 檢查和自訂產生的程式碼。
• 自動調整框架可簡化效能調整。
• 與 NumPy、SymPy、Dask 和 SciPy 等流行的 Python 軟體包以及 TensorFlow 和 PyTorch 等機器學習框架順利整合。

安裝

嘗試 Devito 的最簡單方法是透過 Docker 使用以下命令：

 # 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

執行上面最後一個指令後，終端機會顯示一個 URL，例如https://127.0.0.1:8888/?token=XXX 。將此 URL 複製並貼上到瀏覽器視窗中以啟動 Jupyter 筆記本會話，您可以在其中瀏覽 Devito 提供的教學或建立您自己的筆記本。

請參閱此處以了解詳細的安裝說明和其他選項。如果您在安裝過程中遇到問題，請參閱我們過去所見過的安裝問題。

資源

要學習如何使用 Devito，這裡是一個很好的起點，其中有許多範例和教學。

該網站還提供其他資訊的訪問，包括引用我們的文件和說明。

這裡討論了一些常見問題。

表現

如果您對以下任何一項感興趣

• 產生並行程式碼（CPU、GPU、透過 MPI 的多節點）；
• 性能調整；
• 對標業者；

那你應該看看這個自述文件。

聯絡我們

如果您正在使用 Devito，我們希望收到您的來信。無論您遇到問題還是只是嘗試一下，都可以加入對話。

互動式 Jupyter 筆記本

Jupyter Notebook 教學可在公共活頁夾 jupyterhub 上以互動方式取得。