GPU Hackathon是一個專門針對全球從事科學研究的應用程序開發者的 GPU 應用加速活動，目標是在 10 天的活動期間，將科研 HPC+AI 應用通過 OpenACC，Python，CUDA 等不同的編程語言移植到 GPU 上。每次活動通常有 6-10 個應用小組參加，每個應用小組由 3-5 位老師和同學組成，并配有兩名經驗豐富的指導老師。指導老師為 NVIDIA、高校、社區的程序移植專家或 OpenACC 開發團隊成員。?如今， GPU Hackathon 已在中國成功舉辦 9 次。

NVIDIA 聯合西湖大學舉辦GPU Hackathon

西湖大學作為國家重點的新型高等學校，?一直致力于最尖端的基礎和應用研究。上個月，NVIDIA 聯合西湖大學舉辦了 2022 年最后一場 GPU Hackathon，主要針對生命科學，海洋和 AI 應用提供 GPU?加速支持，活動為期 10 天，?為 9 個不同領域的 AI+HPC 應用提供了不同程度的加速效果。

傳統海洋 HPC 應用 10 天加速 82 倍

這次活動中，?最 Top 的應用仍然是 HPC 領域的一項應用 — LAG，?LAG 應用是海洋領域常用工具 FVCOM 的一部分，應用的主體是基于 Fortran 的流體力學的程序，通常這類程序的 GPU 移植比較費時，即使做好了移植，加速比通常也并不高。在此次 GPU Hackathon 上，通過小組成員和編程指導老師的努力，使用 OpenACC 編程和 NSIGHT 熱點分析工具，該應用在活動中實現了 82 倍的速度提升。

這再次證明了 OpenACC 編程的強大之處，在提升傳統基于 HPC 程序在 GPU 上的移植和優化上，OpenACC 比其他的編程方式更有效率，適合于大規模的程序移植。而且 OpenACC 對傳統 HPC 應用中問題的解決更加的成熟。

GPU 對大規模研究數據的處理實現百倍加速

AI 和 HPC 方法在不同的研究中都需要處理大規模的數據。?在這次活動中，還有一大亮點是讓人看到了 GPU 對數據處理方面能提供驚人的加速。

以西湖大學 DOU 團隊的 Diabatization 為例，?該應用在計算主體部分使用 Python 處理了大規模的數據，?通常對于數據處理的計算需要 2 周左右時間，?而當參賽團隊將處理程序移植到 GPU，?這些處理都能在 16 分鐘內完成。該團隊表示，?以后在編寫處理大規模數據的程序時，?需要更多考慮 GPU，這在很多時候是“不能”和“能做”的差別。

應用加速最終結果

因此，對于那些需要處理大規模數據的開發人員來說，使用 GPU 來處理數據，將會收獲不可思議的加速，這種效率的提升和時間的大幅節約，對于研究和業務的提升也是顯而易見的。

新的應用，?新的工具，?Hackathon 為新的方向提供加速指導

此次 Hackathon 中也同時為其他很多應用提供了加速。?我們也看到一些新的發展趨勢：

• 第一，AI 的方法在科研應用中越來越多，?NVIDIA 新的工具也為使用 AI 方法的新應用提供了更好的支撐，?譬如，本次 Hackathon 中就看到了 Fast Transformer，Modulus 的使用。

• 第二，?Python 在數據處理和算法原型方面被廣泛使用，GPU 上的 Python 生態也不斷發展，?在 Hackathon 中，?不同團隊都發現自己很容易把自己的 Python 放到 GPU 上。

• 第三，??傳統的 HPC 應用也在不斷采用 GPU 加速計算和 AI 方法，?很多以前很難處理的問題，現在都有了標準答案和好的實踐案例。這一點在 OceanStar 和? Kseig 團隊解決他們的移植和優化問題中都有很好的體現。

西湖大學 GPU Hackathon 活動是在中國的第 9 次 Hackathon，通過 GPU Hackathon 活動，可在短短 5-10 天的時間內大幅提升基于 GPU 的應用水平，同時為下一階段的深度優化提供良好的基礎。未來，NVIDIA 希望繼續借助舉辦 GPU Hackathon 實踐活動，對科研應用 GPU 的加速發展提供實際的幫助。NVIDIA 也歡迎有實際應用加速需求的老師持續關注 GPU Hackathon 項目，幫助 NVIDIA 更好的服務于加速應用領域科研的發展。

點擊“閱讀原文”或掃描下方海報二維碼，即可免費注冊 GTC 23，切莫錯過這場 AI 和元宇宙時代的技術大會！