麻省理工学院的研究人员开发了软件，可以在一系列计算硬件上更高效地运行图形应用程序，包括CPU和GPU。学分:图像:麻省理工学院新闻图表编辑的Istockphoto图像——显示物体之间关系的数据结构——用途非常广泛。很容易想象一张描绘社交媒体网络连接网络的图表。但是图表也用于各种各样的节目，如内容推荐(接下来在网飞看什么？)和导航(去海滩最快的路线是什么？).正如Ajay Brahmakshatriya总结的那样，“图形基本上无处不在。”Brahmakshatriya开发了软件，以便在更广泛的计算机硬件上更有效地运行图形应用程序。该软件将最先进的图形编程语言GraphIt扩展到在图形处理单元(GPU)上运行，这是一种并行处理许多数据流的硬件。这一进步可能会加速图形分析，尤其是对于受益于图形处理器并行性的应用程序，如推荐算法。
来自麻省理工学院电气工程和计算机科学系以及计算机科学和人工智能实验室的博士生Brahmakshatriya将在本月的代码生成和优化国际研讨会上展示这项工作。合著者包括布拉莫斯·哈特里亚的顾问萨曼·阿马拉辛格教授，以及软件技术的道格拉斯·罗斯职业发展助理教授朱利安·顺、博士后昌万洪、麻省理工学院最近的博士生张运明·20博士(现就职于谷歌)和Adobe Research的肖艾布·卡米尔。
当程序员写代码时，他们不会直接与计算机硬件对话。硬件本身以二进制(1和0)运行，而编码器以由单词和符号组成的结构化“高级”语言编写。将这种高级语言翻译成硬件可读的二进制代码需要称为编译器的程序。“编译器将代码转换成一种可以在硬件上运行的格式，”Brahmakshatriya说。专门为图形分析设计的一个这样的编译器是GraphIt。
研究人员在2018年开发了GraphIt，以优化基于图形的算法的性能，而不管图形的大小和形状如何。GraphIt不仅允许用户输入算法，还允许用户安排算法如何在硬件上运行。“用户可以为日程安排提供不同的选项，直到他们找到最适合他们的方案，”布拉马克沙特里亚说。“GraphIt为每个应用程序生成非常专业的代码，以尽可能高效地运行。”
许多初创公司和老牌科技公司都采用了GraphIt来帮助他们开发图形应用程序。但是布拉马克沙特里亚说，第一次迭代的图形有一个缺点:它只运行在中央处理器或中央处理器上，这是典型笔记本电脑中的处理器类型。
“有些算法是大规模并行的，”布拉莫斯·哈特里亚说，“这意味着它们可以更好地利用硬件，比如有10，000个内核的图形处理器来执行。”他指出，一些类型的图形分析，包括推荐算法，需要高度的并行性。因此，布拉马克沙特里亚扩展了图形技术，使图形分析在图形处理器上蓬勃发展。
Brahmakshatriya的团队保留了GraphIt用户输入算法的方式，但将调度组件应用于更广泛的硬件。“我们在将图形扩展到图形处理器时的主要设计决策是保持算法表示完全相同，”布拉马克沙特里亚说。“相反，我们增加了一种新的调度语言。因此，用户可以保留他们之前(为CPU)编写的相同算法，只需更改调度输入即可获得GPU代码。”
这种新的、针对图形处理器的优化调度推动了需要高并行性的图形算法——包括同时筛选数百万个网站的推荐算法或互联网搜索功能。为了证实GraphIt新扩展的有效性，该团队进行了90次实验，将GraphIt的运行时与GPU上其他最先进的图形编译器进行对比。实验包括一系列算法和图表类型，从道路网络到社交网络。GraphIt在90个案例中的65个案例中运行最快，在其余的试验中接近领先的算法，展示了它的速度和多功能性。
康奈尔大学的计算机科学家阿德里安·桑普森(Adrian Sampson)没有参与这项研究，他说，GraphIt“通过同时获得性能和生产率来推动该领域的发展”。“进行图形分析的传统方法有这样或那样的一种:你可以写一个简单的算法，但性能平平，或者你可以聘请一位专家来编写一个极快的实现——但这种性能很少能被普通人获得。图形扩展是让普通人编写高级抽象算法，同时又能从图形处理器中获得专家级性能的关键。”
桑普森补充说，这一进展在快速变化的领域可能特别有用:“基因组学是一个令人兴奋的领域，它的算法发展如此之快，以至于高性能的专家实现无法跟上变化的速度。我很高兴生物信息学从业者能够接触到GraphIt，扩展他们能够进行的基因组分析的种类。”
Brahmakshatriya说，新的GraphIt扩展在图形分析方面提供了一个有意义的进步，使用户能够轻松地在CPU和GPU之间切换，获得最先进的性能。“这几天的赛场是激烈的竞争。每天都有新的框架出现，”他说。但他强调，即使是轻微的优化，其回报也是值得的。“公司每天花费数百万美元来运行grap h算法。即使你只让它跑快5%，你也能省下几千美元。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
