Florent Duguet – NVIDIA 技術博客

使用 NVIDIA Nsight Profiler 簡化 EDF 流體動力學模擬的 GPU 移植

Thu, 12 Jun 2025 07:52:36 +0000

將現有 CPU 應用程序移植到 NVIDIA GPU 可以釋放性能提升，使用戶能夠以更大的規模和更快的速度解決問題。雖然修改代碼以實現 NVIDIA GPU 加速需要在初始階段投入時間和精力，但由此帶來的吞吐量和效率提升通常遠遠超過成本。這樣的任務可能看起來令人生畏，并引起了人們的擔憂，因為他們會浪費時間，最終產生無法提供任何好處的半移植 CPU 代碼到 GPU 代碼。但是，將 CPU 代碼移植到 GPU 代碼可以逐步完成，從而實現即時加速并更大限度地降低風險。在整個移植過程中，如果不需要先進的內核優化技術，將單個任務從 CPU 移植到 GPU 可提供顯著的加速和下游性能優勢，則經常會出現這種情況。無論您是初學者還是資深 NVIDIA CUDA 開發者，NVIDIA Nsight 工具套件都支持整個移植流程。只需輕松設置 NVIDIA Nsight Systems，

Source

]]>

針對 NVIDIA GPU 的低延遲交易和快速回測的深度神經網絡基準

Thu, 02 Feb 2023 03:02:44 +0000

降低對新市場事件的響應時間是算法交易的一個驅動力。對延遲敏感的交易公司通過在其系統中部署諸如現場可編程門陣列（ FPGA ）和專用集成電路（ ASIC ）等低級別硬件設備來跟上金融電子市場不斷增長的步伐。然而，隨著市場變得越來越高效，交易者需要依靠更強大的模型，如深度神經網絡（ DNN ）來提高盈利能力。由于在低級別硬件設備上實現此類復雜模型需要大量投資，通用 GPU 為 FPGA 和 ASIC 提供了一種可行、經濟高效的替代方案。 NVIDIA 在 STAC 審計的 STAC-ML 推理基準中證明，1 NVIDIA A100 Tensor Core GPU 可以以低延遲一致地運行 LSTM 模型推斷。這表明， GPU 可以替代或補充現代交易環境中通用性較差的低級硬件設備。具有長短期記憶的深度神經網絡（ LSTM ）是時間序列預測的成熟工具。它們也適用于現代金融。

Source

]]>