GPU-прискорення на CUDA тепер доступний користувачам Python

Компанія NVIDIA оголосила про те, що програмісти, які використовують мову з відкритим кодом Python, тепер можуть застосовувати GPU-прискорення для розробки додатків для високошвидкісних обчислень і аналізу великих обсягів даних за допомогою моделі паралельного програмування NVIDIA CUDA.

Простий і зручний мовою Python входить в десятку найбільш популярних мов у світі і використовується більш ніж трьома мільйонами користувачів. Він дозволяє писати програмний код високого рівня, який втілює алгоритмічні ідеї без необхідності використання великої кількості команд. Великі бібліотеки і передові можливості Python відмінно підходять для широкого спектру наукових, інженерних завдань і програм аналізу великих обсягів даних.

Паралельне програмування NVIDIA CUDA підтримується в NumbaPro, компіляторі Python з нового продукту Anaconda Accelerate від Continuum Analytics.

“Тепер сотні тисяч користувачів Python зможуть застосовувати графічні процесори для підвищення продуктивності своїх додатків, - відзначає Тревіс Оліфант (Travis Oliphant), співзасновник і генеральний директор Continuum Analytics. - З допомогою NumbaPro програмісти отримають найкраще з обох світів: гнучкість і продуктивність Python і високу продуктивність графічних процесорів NVIDIA”.

Широкий доступ до прискореним обчислень за допомогою LLVM

Підтримка GPU-прискорення в додатках стала результатом впровадження вихідного коду компілятора CUDA в ядро і процесор паралельних розрахунків популярної компиляторной інфраструктури з відкритим кодом LLVM.

Середовище розробки Python від Continuum Analytics використовує LLVM і пакет розробки пз для компіляції NVIDIA CUDA, щоб надати користувачам Python можливості для створення GPU-ускоряемых додатків.

Модульність LLVM дозволяє дизайнерам з легкістю додавати підтримку GPU-прискорення в широкий спектр мов загального призначення, а також мови програмування спеціального призначення. Ефективна підтримка компіляції в LLVM дозволяє розробникам нальота компілювати програми, написані на таких мовами, як Python, для різних архітектур.

“Наша дослідницька група зазвичай відчуває нові ідеї та алгоритми на мові Python і потім портирует ефективні алгоритми на C, C++, - розповідає Віджей Панді (Vijay Pande), професор хімії факультету структурної біології та інформатики в Стенфордському Університеті. - Підтримка CUDA в Python дозволяє нам створювати продуктивний код, використовуючи при цьому продуктивні алгоритми цього мови”.

Рішення Anaconda Accelerate доступно для Anaconda Python від Continuum Analytics і у складі середовища розробки коду і дослідження даних на базі браузера Wakari.