{"id":4709,"date":"2022-01-10T14:17:00","date_gmt":"2022-01-10T13:17:00","guid":{"rendered":"https:\/\/jednostki.uksw.edu.pl\/mcb\/?p=4709"},"modified":"2022-11-17T09:19:15","modified_gmt":"2022-11-17T08:19:15","slug":"cato-platforma-obliczeniowa","status":"publish","type":"post","link":"https:\/\/mcb.uksw.edu.pl\/cato-platforma-obliczeniowa\/","title":{"rendered":"CATO \u2013 platforma obliczeniowa"},"content":{"rendered":"\n

To nasz superkomputer o wysokiej wydajno\u015bci (HPC, High Performance Computing) realizuj\u0105cy wielkoskalowe obliczenia, rozszerzone o zadania sztucznej inteligencji AI (Artificial Intelligence) i wysokowydajnej analizy danych (HPDA, High Performance Data Analytics), adresuj\u0105ce zagadnienia modelowania i symulacji, zjawisk i proces\u00f3w, w oparciu o du\u017ce zbiory danych.<\/strong><\/p>\n\n\n\n

\n
\n
\"\"
Elementy superkomputera CATO. Implementacja systemu wymaga\u0142a zastosowania r\u00f3wnie\u017c powszechnie znanych i wykorzystywanych technologii, takich jak technologie sieci Ethernet 1 GbE, 10 GbE SR, serwer\u00f3w administracyjnych, koniecznych do realizowania zada\u0144 zwi\u0105zanych z utrzymaniem i zarz\u0105dzaniem platform\u0105 obliczeniow\u0105.<\/em><\/figcaption><\/figure>\n<\/div>\n\n\n\n
\n

Kliknij tutaj by przej\u015b\u0107 do pierwszej cz\u0119\u015bci opisu CATO<\/a><\/h2>\n\n\n\n

W pierwszej cz\u0119\u015bci wskazane zosta\u0142y parametry podstawowych element\u00f3w sk\u0142adaj\u0105cych si\u0119 na CATO. Uzupe\u0142nieniem warstwy sprz\u0119towej jest stos oprogramowania do zarz\u0105dzania zadaniami obliczeniowymi w klastrze oraz tworzeniem \u015brodowisk wykonawczych dla zada\u0144 z zakresu uczenia maszynowego, kt\u00f3re stanowi\u0105 LSF (ang. Load Sharing Facility) oraz Spectrum Conductor. Dzi\u0119ki kontroli dost\u0119pu opartej na rolach mo\u017cliwe jest budowanie, uruchamianie i wdra\u017canie wielu r\u00f3\u017cnych aplikacji dzia\u0142aj\u0105cych r\u00f3wnocze\u015bnie w przestrzeni klastra. Istotnym elementem warstwy programowej jest Watson Machine Learning Accelerator stanowi\u0105cy kompleksowe \u015brodowisko dostarczaj\u0105ce wywodz\u0105ce si\u0119 ze \u015bwiata otwartego oprogramowania j\u0119zyki, biblioteki i frameworki, m.in. takie jak TensorFlow, Keras, Caffe, PyTorch, ekosystem j\u0119zyka Python oraz rozwijane w laboratoriach IBM biblioteki takie jak Spectrum MPI, czy rozszerzenia do bibliotek g\u0142\u0119bokiego uczenia jak LMS (ang. Large Model Support) czy DDL (ang. Distributed Deep Learning). Narz\u0119dzia te w \u015bwiecie Data Science z powodzeniem stosowane s\u0105 do wykonywania zada\u0144 analizy danych, a zoptymalizowane na platform\u0119 sprz\u0119tow\u0105 umo\u017cliwiaj\u0105 prowadzenie wysokowydajnej analizy danych i obs\u0142ugi modeli i rozwi\u0105za\u0144 wykorzystuj\u0105cych rozproszone g\u0142\u0119bokie uczenie, kt\u00f3re pozwala korzysta\u0107 z modeli o wi\u0119kszej rozdzielczo\u015bci. Uzupe\u0142nieniem stosu programowego s\u0105 dost\u0119pne w ramach systemu kompilatory C\/C++\/Fortran posiadaj\u0105ce implementacj\u0119 standardu OpenMP, biblioteki MPI oraz zr\u00f3wnoleglone biblioteki matematyczne Parallel ESSL.<\/p>\n<\/div>\n<\/div>\n\n\n\n

CUDA W CATO<\/h2>\n\n\n\n

Od czasu udost\u0119pnienia w 2006 roku technologii CUDA (ang. Compute Unified Device Architecture), mo\u017cliwe sta\u0142o si\u0119 stosunkowo \u0142atwe rozwijanie oprogramowania, kt\u00f3re po kompilacji wykonuje si\u0119 na heterogenicznej platformie obliczeniowej z CPU i GPU \u2013 na CPU kod sekwencyjny, na GPU kod r\u00f3wnoleg\u0142y (NVIDIA CUDA \u2013 host, device). Opr\u00f3cz tego pojawi\u0142y si\u0119 biblioteki dziedzinowe adresuj\u0105ce problemy obliczeniowe wielu dziedzin nauki. Dost\u0119pna dzi\u0119ki NVIDIA CUDA moc obliczeniowa na heterogenicznych platformach otworzy\u0142a tak\u017ce drog\u0119 do intensyfikacji bada\u0144 w ramach system\u00f3w sztucznej inteligencji, w szczeg\u00f3lno\u015bci wok\u00f3\u0142 zagadnie\u0144 deep learningu. W tym segmencie firma Nvidia w znacz\u0105cy spos\u00f3b zaznacza swoj\u0105 obecno\u015b\u0107 rozwijaj\u0105c kolejne generacje uk\u0142ad\u00f3w sprz\u0119towych i towarzysz\u0105ce im oprogramowanie. Wyb\u00f3r tej technologii przy budowie CATO by\u0142 oczywisty.<\/p>\n\n\n\n

PRACA Z CATO<\/h2>\n\n\n\n

Praca z systemem CATO w przestrzeni Data Science minimalizuje pr\u00f3g wej\u015bcia pozwalaj\u0105c na zachowanie przyzwyczaje\u0144 badawczych poprzez stosowanie narz\u0119dzi i rozwi\u0105za\u0144 (takich jak Jupyter Notebook, Zeppelin, Anaconda), kt\u00f3re zdoby\u0142y ugruntowan\u0105 pozycj\u0119 w \u015brodowisku zar\u00f3wno naukowym jak i biznesowym. Tworz\u0105 one przyjazne \u015brodowisko pracy i udost\u0119pniaj\u0105 wy\u017cej wymienione narz\u0119dzia, technologie i zasoby klastra.<\/p>\n\n\n\n

System CATO jest platform\u0105, kt\u00f3ra architektonicznie \u2013 w zakresie komponent\u00f3w sprz\u0119towych i programowych \u2013 odpowiada dw\u00f3m najszybszym superkomputerom na \u015bwiecie \u2013 Summit i Sierra<\/a>.<\/p>\n\n\n\n

CATO JEST JU\u017b DOST\u0118PNY. SKONTAKTUJ SI\u0118 Z NAMI, BY Z NIEGO SKORZYSTA\u0106<\/h2>\n","protected":false},"excerpt":{"rendered":"

To nasz superkomputer o wysokiej wydajno\u015bci (HPC, High Performance Computing) realizuj\u0105cy wielkoskalowe obliczenia, rozszerzone o zadania sztucznej inteligencji AI (Artificial Intelligence) i wysokowydajnej analizy danych (HPDA, High Performance Data Analytics), adresuj\u0105ce zagadnienia modelowania i symulacji, zjawisk i proces\u00f3w, w oparciu o du\u017ce zbiory danych. Kliknij tutaj by przej\u015b\u0107 do pierwszej cz\u0119\u015bci opisu CATO W pierwszej cz\u0119\u015bci wskazane zosta\u0142y parametry podstawowych element\u00f3w sk\u0142adaj\u0105cych si\u0119 na CATO. Uzupe\u0142nieniem warstwy […]<\/p>\n","protected":false},"author":1,"featured_media":17928,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"inline_featured_image":false,"footnotes":"","_links_to":"","_links_to_target":""},"categories":[1],"tags":[],"class_list":["post-4709","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-aktualnosci"],"acf":[],"_links":{"self":[{"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/posts\/4709","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/comments?post=4709"}],"version-history":[{"count":6,"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/posts\/4709\/revisions"}],"predecessor-version":[{"id":17932,"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/posts\/4709\/revisions\/17932"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/media\/17928"}],"wp:attachment":[{"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/media?parent=4709"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/categories?post=4709"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/mcb.uksw.edu.pl\/pl\/wp-json\/wp\/v2\/tags?post=4709"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}