1 背景 图像连通域标记算法是从一幅栅格图像（通常为二值图像）中，将互相邻接（4邻接或8邻接）的具有非背景值的像素集合提取出来，为不同的连通域填入数字标记，并且统计连通域的数目。通过对栅格图像中进行连
Palace是一款开源的大规模计算电磁学软件包，由亚马逊云端业务实验室（AWS Lab）支持。功能丰富，同时能够在不同的高性能硬件上运行，软件上支持OpenMP, MPI和GPU并行计算。Apache的开源协议也是极为友好。详情参见《使用WELSIM生成电磁计算软件Palace的求解器文件》一文。
之前的文章中介绍了天河二号的架构，我们大致了解到了天河二号是一个由很多计算节点组成的具有强大运算能力的超级计算机。
前言：在上一篇我们简单介绍了yum，vim的一些常用的指令和模式，现在让我们来进一步了解其他的Linux环境基础开发工具gcc/g++，gdb。
/先安装一下c++的配置环境 yum install –y gcc gcc-c++ readline-devel gcc-objc gcc-objc++ libobjc
作者 | 刘文志 责编 | 何永灿 随着深度学习（人工智能）的火热，异构并行计算越来越受到业界的重视。从开始谈深度学习必谈GPU，到谈深度学习必谈计算力。计算力不但和具体的硬件有关，且和能够发挥硬件能力的人所拥有的水平（即异构并行计算能力）高低有关。 一个简单的比喻是：两个芯片计算力分别是10T和 20T，某人的异构并行计算能力为0.8，他拿到了计算力为10T的芯片，而异构并行计算能力为0.4的人拿到了计算力为20T的芯片，而实际上最终结果两人可能相差不大。异构并行计算能力强的人能够更好地发挥硬件的能力，而
由于CASCI/CASSCF计算量随活性空间呈指数增长，超过(16,16)的计算在高配机器上几乎不可能。近似求解大活性空间的方法通常有DMRG, selected CI等等。Block-1.5是做DMRG计算的经典程序，由Sandeep Sharma和Garnet Chan开发，虽然早在5年前就不更新了，但其计算速度仍高于很多同类程序。Block-1.5一般结合PySCF使用，可以进行DMRG-CASCI，DMRG-CASSCF和DMRG-SC-NEVPT2等计算。笔者之前在公众号上将该程序的安装拆分为几篇短文
Dalton是一款开源免费的量子化学程序，主要特色是支持一大堆性质的计算，例如DFT下的二次响应计算（常规TDDFT计算仅是线性相应），MCSCF波函数下的核磁NMR计算等等，以及各类激发态方法。当然，也有一些高精度单参考方法（如MP2-R12和CCSD-R12等），但较少用到。其PDF手册在
0x00 前言 本篇是MPI的入门教程，主要是为了简单地了解MPI的设计和基本用法，方便和现在的Hadoop、Spark做对比，并尝试理解它们之间在设计上有什么区别。 身处Hadoop、Spark这些优秀的分布式开发框架蓬勃发展的今天，老的分布式编程模型是否没有必要学习？这个很难回答，但是我更倾向于花一个下午的时候来学习和了解它。 关于并发和并行编程系列的文章请参考文章集合 文章结构 举个最简单的例子，通过这个例子让大家对MPI有一个基本的理解。 解释一些和MPI相关的概念。 列举一些MPI的常用函数
專 欄 ❈PytLab，Python 中文社区专栏作者。主要从事科学计算与高性能计算领域的应用，主要语言为Python，C，C++。熟悉数值算法(最优化方法，蒙特卡洛算法等）与并行化 算法（MPI,OpenMP等多线程以及多进程并行化）以及python优化方法，经常使用C++给python写扩展。 blog：http://ipytlab.com github：https://github.com/PytLab ❈— 前言 在高性能计算的项目中我们通常都会使用效率更高的编译型的语言例如C、C++、Fort
同步：同步方法调用一旦开始，调用者必须等到方法调用返回结果，才可以进行后续的操作。
在C语言 程序员内功心法之程序环境和预处理 博文中，我们就学习到 – 一个程序要被运行起来需要经历四个阶段：预处理 (预编译)、编译、汇编、链接，下面我们来简单回顾一下这四个阶段会进行的操作。
CFOUR程序的全称为Coupled-Cluster techniques for Computational Chemistry，是一款专注于高精度量子化学计算的程序。从名字可以看出，其专长为耦合簇方法，支持在CC级别下做单点、几何结构优化（如CCSD(T)级别）、激发态计算（如EOM-CCSDT）、性质计算（如CCSD(T)级别的NMR计算）。其官方网站为
以上两种写法完全等效，需要指出的是：FORALL只能用于数组操作，也就是说，赋值符号两边只能是数组。然而在实际使用中，FORALL结构的运算速度并不比do循环快，有时甚至比do循环还慢不少。以下是Intel Fortran编译器的官方文档说明
近期由于一些原因接触到了并行计算，对于这个陌生的领域我最先接触到的是MPI框架。MPI（Message Passing Interface），可以理解为是一种独立于语言的信息传递标准。目前它有两种具体的实现OpenMPI和MPICH，也就是说如果我们要使用MPI标准进行并行计算，就需要安装OpenMPI或MPICH库。本文以MPICH为例，在ubantu中安装MPI的环境，并对vscode进行配置。
解释性语言和编译型语言的区别和不同 解释性语言编译型语言概念计算机不能直接的理解高级语言，只能直接理解机器语言，所以必须要把高级语言翻译成机器语言，计算机才能执行高级语言的编写的程序。翻译的方式有两种，一个是编译，一个是解释。两种方式只是翻译的时间不同。特征解释性语言的程序不要编译，省了道工序，解释性语言在运行程序的时候才翻译，比如解释性Java语言，专门有一个解释器可以直接执行Java程序,每一个语句都是执行的时候才能翻译。这样解释性语言每执行一次要翻译一次，效率表较低。编译型就是编译的时候直接编译成机器
在这个阶段中,gcc 首先要检查代码的规范性、是否有语法错误等,以确定代码的实际要做的工作,在检查 无误后,gcc 把代码翻译成汇编语言。
在上一篇文章中我们大致了解到了MPI的基本概念以及其运行原理，并且学习了一些简单的MPI通信函数以及例子。在本篇中我们将会以实现遗传算法为例子，讲解一些更深入的MPI概念以及函数并投入使用。
分布式软总线是多种终端设备的统一基座，为设备之间的互联互通提供了统一的分布式通信能力，能够快速发现并连接设备，高效地分发任务和传输数据。分布式软总线示意图见。
尽管 CMake 是跨平台的，在我们的项目中我们努力使源代码能够在不同平台、操作系统和编译器之间移植，但有时源代码并不完全可移植；例如，当使用依赖于供应商的扩展时，我们可能会发现有必要根据平台以略有不同的方式配置和/或构建代码。这对于遗留代码或交叉编译尤其相关，我们将在第十三章，替代生成器和交叉编译中回到这个话题。了解处理器指令集以针对特定目标平台优化性能也是有利的。本章提供了检测此类环境的食谱，并提供了如何实施此类解决方案的建议。
说明：下面内容仅针对Linux环境（boost官网为：http://www.boost.org/，可从这里下载它的源代码包，这里要求下载.tar.gz包，而非.7z、.zip或bz2包）。
Linux开发工具的使用 零、前言 一、Linux软件包管理器yum 1、yum介绍 2、rzsz 2、yum工具的基本操作 1)查看软件包 2)安装软件 3)卸载软件 二、 Linux开发工具vim 1、vim的介绍 2、vim基本操作 3、vim正常模式命令集 4、vim底行模式命令集 5、vim操作总结 6、简单vim配置 三、Linux编译器-gcc/g++ 1、程序生成过程 1)预处理 2)编译 3)汇编 4)链接 2、函数库 四、Linux调试器-gdb 1、背景及概念 2、调试命令 五、Lin
说到并行计算，我们有一个不可绕开的话题——MPI编程。MPI是一个跨语言的通讯协议，用于编写并行计算机。支持点对点和广播。MPI是一个信息传递应用程序接口，包括协议和和语义说明，他们指明其如何在各种实现中发挥其特性。MPI的目标是高性能，大规模性，和可移植性。MPI在今天仍为高性能计算的主要模型。与OpenMP并行程序不同，MPI是一种基于信息传递的并行编程技术。消息传递接口是一种编程接口标准，而不是一种具体的编程语言。简而言之，MPI标准定义了一组具有可移植性的编程接口。
MPI 提供了三种不同的通信方法，MPI 进程可以使用这些方法相互通信。下面讨论了这些通信方法：
CP2K安装的方法有很多（我们曾分享过CP2K 5.1版本的安装及简单介绍），笔者最近尝试在课题组新买的服务器上从源码编译安装CP2K，过程中遇到了各种问题。根据这次安装的经验，在此笔者想和大家分享如何从零开始安装CP2K（支持PLUMED）。
在之前的博客中我们介绍过concurrent等python多进程任务的方案，而之所以我们又在考虑MPI等方案来实现python并行计算的原因，其实是将python的计算任务与并行计算的任务调度分层实现。在concurrent和multiprocessing等方案中，我们的python计算任务和调度任务是一体化的，而且还有一个比较大的限制是没办法跨节点操作的，这对于任务与环境的定制化程度要求是比较高的。而MPI的方案在设计初期就考虑到了多节点之间通信的问题，而这种分层式的任务调度解决方案其实在架构上看也更加的合理。做计算的人只要考虑单个进程下的任务如何执行就可以了，至于任务如何并行如何调度，那就是上层的MPI该做的事情了。
nccl-test 工具是 nvidia 开源的一项用于测试 NCCL 集合通信的工具。可以用于检测集合通信是否正常、压测集合通信速率。官方开源地址：https://github.com/NVIDIA/nccl-tests
并行计算是在多个处理单元上同时执行计算任务的方法，以提高程序的性能。在 NumPy 中，可以使用一些工具和技术来进行并行计算，充分利用多核处理器的优势。在本篇博客中，我们将深入介绍 NumPy 中的并行计算，并通过实例演示如何应用这些技术。
在使用MPI框架中，需要多机进行通信进行并行计算；现在配置多个主机进行运行mpi程序，并进行通信；涉及到ssh无密码和nfs文件系统配置；
https://www.cnblogs.com/zhbzz2007/p/5827059.html
学习参考地址:https://www.jianshu.com/p/2fd31665e816
MPI是一个跨语言的通讯协议，用于并发编程。MPI标准定义了一组具有可移植性的编程接口。
一个新时代 起源 分布式机器学习是随着“大数据”概念兴起的。在有大数据之前，有很多研究工作为了让机器学习算法更快，而利多多个处理器。这类工作通常称为“并行计算”或者“并行机器学习”，其核心目标是把计算任务拆解成多个小的任务，分配到多个处理器上做计算。分布式计算或者分布式机器学习除了要把计算任务分布到多个处理器上，更重要的是把数据（包括训练数据以及中间结果）分布开来。因为在大数据时代，一台机器的硬盘往往装不下全部数据，或者即使装下了，也会受限于机器的I/O通道的带宽，以至于访问速度很慢。为了更大的存储容量、吞
具体来讲，本文首先介绍了分布式计算的基本概念，以及分布式计算如何用于深度学习。然后，列举了配置处理分布式应用的环境的标准需求（硬件和软件）。最后，为了提供亲身实践的经验，本文从理论角度和实现的角度演示了一个用于训练深度学习模型的分布式算法（同步随机梯度下降，synchronous SGD）。
存在交叉编译的情况时，cgo 工具是不可用的。在标准 go 命令的上下文环境中，交叉编译意味着程序构建环境的目标计算架构的标识与程序运行环境的目标计算架构的标识不同，或者程序构建环境的目标操作系统的标识与程序运行环境的目标操作系统的标识不同
本文讲介绍如何用容器技术（Docker）快速安装GPU版GAMESS，并演示如何进行实际计算。
有任务需要处理一堆收集来得开源数据集，在服务器单机跑了一天才给结果，多方咨询有HPC可以用，或者叫supercomputer，或者叫计算机集群，大部分的简称grid。看了wiki、confluence，给出一堆链接在脑海中织出密密麻麻的蜘蛛网——无从下手。居然没有use case出发端到端的参考demo，真是无力吐槽。自力更生求助google，youtube，stack overflow，梳理下来，简而言之，可以理解分而治之多线程的多处理核（cpu/gpu）的版本，涉及算力资源调度引入slurm，涉及通讯引入mpi。
接下来我们用gcc编译器来运行一下，当然不是要完全编译，而是先让他预处理一下：
https://blog.csdn.net/liu_feng_zi_/article/details/94286438
本文适用于OpenMolcas-v22.02和v22.06，对以后的版本可能适用也可能不适用。旧版OpenMolcas、与QCMaquis联用版本的安装请见文末链接。安装前我们需要确保有必要的编译器和库：
最近在做一些WRF-Chem的开发工作，对源码里面的一些东西似懂非懂，借助Chatgpt增加了一些直观的认识，分享一下。
HCA方案将所有的信道分为两部分：一部分信道固定配置给某些小区，即部分信道隔离；另一部分信道则保留在中心存储区中，为系统中的所有用户所共享，即部分信道共享。HCA是FCA和DCA的折中，故成为混合分配。（关于FCA和DCA参见相应词条）
在现代科学和工程中，数值计算工程师会遇到大量复杂的数学计算问题。这些问题突出的共性表现在高维数、计算规模大、多时空尺度、强非线性等方面。批量处理Batch拥有一套完整的并行计算框架，适配常见的并行模型（MPI应用）。利用海量弹性的云资源，有力地支撑高性能科学计算应用软件和算法。
作者： 付汉杰 hankf@xilinx.com hankf@amd.com 测试环境： Vivado/PetaLinux 2021.2， Linux 5.10.0，VCK190
在计算机科学中，程序运行效率是一个重要的考量因素。针对需要处理大量数据或复杂计算任务的程序，使用并行计算技术可以大幅度加速程序的运行速度。C++作为一种高性能的编程语言，提供了多种并行计算的工具和技术，可以帮助开发人员充分利用计算资源，提高程序的性能。
“ 程序执行效率应该是每一位程序员都关注的地方，一般来说，程序执行效率一部分依靠程序员编写的代码，一部分依赖程序执行的平台，在Java中，虚拟机就是平台，如何让程序执行更有效率也是虚拟机是否优秀的关键指标。”
格式： gcc [选项] 要编译的文件 [选项] [目标文件]，gcc / g++安装： sudo yum install -y gcc-c++。安装后的编译器默认的版本是较低的，我们可以使用选项-std=c99（即使用c99标准），-std=c++11（即使用c++11的标准）来进行版本提升。使用-o选项，可以将编译生成的可执行重命名。最后使用./可执行，来运行程序。如下：
ChatGPT 的横空出世开启了大语言模型 (LLM) 的普及元年，BERT、GPT-4、ChatGLM 等模型的非凡能力则展现出类似通用人工智能 (AI) 的巨大潜力，也因此得到了多行业、多领域的广泛关注。
机器之心报道 机器之心编辑部 「当前的 AI 模型只做一件事。Pathways 使我们能够训练一个模型，做成千上万件事情。」 在谈及当前的 AI 系统所面临的问题时，低效是经常被提及的一个。 谷歌人工智能主管 Jeff Dean 曾在一篇博文中写道，「今天的人工智能系统总是从头开始学习新问题 —— 数学模型的参数从随机数开始。就像每次学习一项新技能（例如跳绳），你总会忘记之前所学的一切，包括如何平衡、如何跳跃、如何协调手的运动等，然后从无到有重新学习。这或多或少是我们今天训练大多数机器学习模型的方式：我们
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
