El cómputo acelerado por GPU alcanza a la nueva generación de programadores con soporte para NVIDIA CUDA en Python
La Productividad con Python con desempeño de GPU permite una nueva generación de aplicaciones de HPC y Análisis de Datos
Buenos Aires, marzo de 2013—Los crecientes números de programadores usando el lenguaje de open sourcePython ahora pueden tomar completa ventaja de la aceleración por GPU para sus aplicaciones de cómputo de alto desempeño (HPC) y de análisis de grandes datos al usar el modelo de programación paralela NVIDIA® CUDA®, anunció hoy NVIDIA.
Fácil de usar y aprender, Python está entre los principales 10 lenguajes de programación con más de tres millones de usuarios. Permite a los usuarios escribir código de software de alto nivel que captura sus ideas algorítmicas sin entrar en profundos detalles de programación. Las extensas librerías y características avanzadas de Python lo hacen ideal para una amplia gama de aplicaciones HPC de ciencia, ingeniería y análisis de grandes datos.
El soporte para la programación paralela de NVIDIA CUDA viene de NumbaPro, un complilador Python en el nuevo producto Anaconda Accelerate de Continuum Analytics.
“Cientos de miles de programadores de Python podrán ahora aprovechar las GPU aceleradoras para mejorar el rendimiento en sus aplicaciones”, comenta Travis Oliphant, co-fundador y CEO en Continuum Analytics. “Con NumbaPro, los programadores tienen lo mejor de ambos mundos: pueden tomar ventaja de la flexibilidad y alta productividad de Python con el alto desempeño de las GPU NVIDIA”.
Acceso Extendido para Cómputo Acelerado usando LLVM
Este nuevo soporte para desarrollo de aplicaciones aceleradas con GPU es el resultado de la contribución del compilador CUDA de código fuente de NVIDIA en el núcleo y el backend de ejecución paralela de hilos de LLVM, una infraestructura de compilador open source muy usada.
El ambiente de desarrollo en Python de Continuum Analytics usa el kit de software compilador para desarrollo LLVM y NVIDIA CUDA para brindar aplicaciones aceleradas por GPU de Python para los programadores.
Los módulos en LLVM facilitan a los diseñadores de lenguajes y librerías agregar soporte para aceleración con GPU en una amplia gama de lenguajes de propósito general como Python, así como para lenguajes de programación de dominio específico. Las eficientes capacidades de compilación justo-a-tiempo de LLVM permiten a los desarrolladores compilar en lenguajes dinámicos como Python al vuelo para una variedad de arquitecturas.
“Nuestro grupo de investigación típicamente trabaja con prototipos y desarrolla nuevas ideas de algoritmos en Python y luego rescribe el algoritmo para C o C++ una vez que se haya demostrado que fue efectivo”, comenta Vijay Pande, Profesor de Química y Biología Estructural en la Universidad de Stanford. “El soporte para CUDA en Python nos permite escribir código de rendimiento mientras mantenemos la productividad que ofrece Python”.
Anaconda Accelerate está disponible dentro de la oferta de Anaconda Python de Continuum Analytics como parte del ambiente basado en navegadores de exploración y desarrollo de código.
Acerca de CUDA
CUDA es la plataforma de cómputo paralelo y modelo de programación desarrollado por NVIDIA. Permite considerables mejoras en rendimiento de cómputo al aprovechar el poder de las GPU. Con más de 1.7 millones de descargas, soportando a más de 220 aplicaciones de ingeniería, ciencia y comerciales, el modelo de programación CUDA es la forma más popular en la que los desarrolladores pueden tomar ventaja del cómputo acelerado por GPU.
Más información sobre las GPU NVIDIA CUDA está disponible en el sitio web de la GPU Tesla®. Para conocer más sobre CUDA o descargar la versión más reciente, visita el sitio web de CUDA.
Acerca de NVIDIA
Desde 1993, NVIDIA (NASDAQ: NVDA) ha sido pionero en el arte y ciencia del cómputo visual. Las tecnologías de la compañía están transformando un mundo de pantallas hacia un mundo de descubrimiento interactivo – para todos, desde gamers hasta científicos, desde clientes consumidores hasta empresariales. Más información enhttp://la.nvidia.com/object/
