1. Esquema de este artículo
Piénselo detenidamente, de hecho, no importa si queremos aprender computación de alto rendimiento por nosotros mismos, o aprender a conducir por nosotros mismos, no importa lo que queramos aprender por nosotros mismos, debemos resolver las siguientes preguntas: ¿Es adecuado para que aprendamos por nosotros mismos, cómo aprender por nosotros mismos, dónde comenzar el autoaprendizaje, qué aprender por nosotros mismos? ¿Cuál es el valor de esta tecnología que vamos a aprender? ¿Cuál es la ruta para aprender esta tecnología? .....
Entonces, a través de este artículo, Xiaoyuan lo llevará a descubrir si es apto para el autoaprendizaje, cómo aprender computación de alto rendimiento por sí mismo, cómo aprender por sí mismo, dónde comenzar el autoaprendizaje y hasta qué punto puede aprende por ti mismo. El esquema básico de este artículo es el siguiente:
1. Sobre el autoaprendizaje;
2. Sobre computación de alto rendimiento;
3. Acerca de cómo empezar.
Menos chismes, el libro vuelve a la historia principal, comencemos un día para llenar las lagunas cognitivas, feliz ing......
2. Sobre el autoaprendizaje
De acuerdo con la propia experiencia y cognición de Xiaoyuan, creo que antes de aprender cualquier tecnología, debemos pensar detenidamente si debemos gastar tiempo, energía y dinero para aprender una tecnología por nosotros mismos. Después de todo, nuestro tiempo y energía son limitados, y nadie puede garantizar que esta tecnología se pueda aprender y aprender bien.
En el confucianismo chino tradicional, existe la cognición de que "saber es más fácil que hacer", ¡pero Xiaoyuan está más de acuerdo con la teoría de Sun Yat-sen de que "saber es difícil y hacer es fácil"! Sun Yat-sen cree que mientras tengamos una comprensión teórica correcta, ¡realmente es muy fácil de practicar! Por lo tanto, antes de que realmente comiences a aprender computación de alto rendimiento por ti mismo, Xiaoyuan necesita eliminar tus barreras cognitivas Solo con la cognición correcta puedes actuar de manera rápida y poderosa.
1. ¿Quieres estudiar solo?
Ahora Xiaoyuan quiere hacerle una pregunta, piense detenidamente, ¿realmente quiere aprender computación de alto rendimiento por su cuenta? ¿Alguna vez has pensado en aprender inteligencia artificial? ¿Alguna vez has pensado en aprender front-end y back-end? ¿Alguna vez has pensado en tomar una clase de entrenamiento? Si dudas, significa que no estás listo para el autoaprendizaje, ¡al menos no para la cognición!
Algunos amigos pueden tener curiosidad, ¿por qué el pequeño simio hizo una pregunta aparentemente tan insignificante?
De hecho, ¡esta pregunta es muy crítica! ¡Especialmente para principiantes con [pobre autodisciplina] es más importante! Imagínese, si no tiene una idea firme de autoaprendizaje y encuentra algunas dificultades más adelante, ¿aún puede aprender? ¿Aún puedes aprender bien? ¡No des demasiados ejemplos!
2. Problemas con el autoaprendizaje
El llamado "todo es difícil al principio", de hecho, una vez que comience, muchas cosas saldrán bien más adelante. Incluso si no hay ayuda ni orientación de otros en la etapa posterior, la mayoría de las cosas pueden ser manejadas por usted mismo, pero sucede que los planes de aprendizaje de muchas personas están muertos.En el camino antes de "Getting Started". Para los principiantes, el camino del autoaprendizaje es especialmente difícil al principio. A continuación, Xiaoyuan analizará los problemas que surgieron durante el autoaprendizaje para usted.
La informática de alto rendimiento es una dificultad típica para empezar. Si no hay un estudio sistemático, es fácil caer en él, perdiendo tiempo y energía.
En primer lugar, el primer problema es que muchos principiantes en realidad no saben qué aprender primero y qué aprender después, y [no hay una ruta de aprendizaje clara] en sus mentes. Muchos principiantes cometerán un error. Después de leer este hoy, y luego, cuando este conocimiento aún no es sólido, tienen la ambición de aprender otro. Como resultado, ninguno de los dos conocimientos es sólido. Al final del estudio, la ruta de aprendizaje estaba completamente desordenada y no sabía lo que había aprendido, sentía que sabía todo y sentía que no estaba familiarizado con ninguno de ellos.
¡Entonces [otro factor clave que afecta el efecto de aprendizaje del autoaprendizaje es la conciencia de la autodisciplina]! ¡Este factor es en realidad el más crítico! ¿Por qué algunas personas pueden convertirse en maestros, mientras que otras son basura? ¿Es realmente debido a la diferencia en el coeficiente intelectual? ¡El pequeño simio cree que no! En muchos casos, el coeficiente intelectual de un cabrón puede ser más alto que el de un cabrón, ¡pero el estudio del cabrón no puede vencer a otros cabrones! Muchos principiantes tienen el problema de "pescar durante tres días y secar la red durante dos días" cuando están estudiando por su cuenta. Cuando comencé a estudiar por mi cuenta, estaba lleno de confianza y entusiasmo. Estaba lleno de energía cuando comencé a aprender el primer día, y no estuvo mal el segundo día, pero después de tres días, mi energía de aprendizaje comenzó a disminuir. rechazar. Originalmente pensé en pasar 8 horas de autoaprendizaje en la biblioteca todos los días, pero después de tres días, el tiempo de estudio se redujo a 6 horas... 4 horas... 2 horas...
Debido a que es de autoaprendizaje, nadie me brinda orientación, por lo que solo puedo trabajar duro por mi cuenta si encuentro una falla o error, y busco información en Baidu para encontrar una solución al problema. De hecho, muchos principiantes ni siquiera saben cómo describir el problema y no tienen idea de cómo resolver el problema en sus mentes. En otras palabras, ¡muchos principiantes ya han detenido su plan de autoaprendizaje al escribir el código del primer caso! Aprende a tejer, el código es el mismo que en el artículo y el video, ¿por qué es normal para otros, pero el mío informa un error? ¡No puedo hacerlo, no puedo hacerlo! Quiero llorar pero no tengo lágrimas....
Incluso si algunos autodidactas finalmente trabajan duro para resolver el primer problema, luego, a medida que avanza el aprendizaje, aparecerá el segundo problema, el tercer error y la cuarta falla ... Algunos amigos dirán, ¿por qué hay tantos problemas en informática de alto rendimiento autodidacta? De hecho, no es que haya tantos problemas en el autoaprendizaje de computación de alto rendimiento, ¡tendrás estos problemas cuando aprendas cualquier tecnología por tu cuenta! ¡Porque aún no ha comenzado, [no sabe cómo evitar y resolver estos problemas]! ¡Así que lo que es muy simple y bajo a los ojos de los demás es tan difícil como el cielo a tus ojos! ¡Este es el llamado "entrelazado como una montaña"! Piénselo, como principiante, cada vez que escriba un caso de código, encontrará tales y otros problemas, y le llevará mucho tiempo y energía resolver los problemas. ¿Cuánto entusiasmo tiene? y motivación para seguir aprendiendo ?
E incluso si todavía está muy motivado para aprender, resuelva el problema cuando encuentre un problema. Cada vez que encuentre un error, pasará una hora, una mañana, un día o incluso una semana para resolver el error. Aunque al final se resolvió el problema, te sientes muy feliz, pero el pequeño simio te pregunta, ¿qué desperdiciaste?
¡Tomaste muchos desvíos y desperdiciaste el tiempo más valioso]! Por lo tanto, puede llevarle 10 meses, o incluso un año o dos, aprender algo que otros pueden aprender en 5 meses, ¡y lo que ha aprendido no es tan sólido como los demás! ¡Crees que el autoaprendizaje ahorra dinero, pero desperdicia mucho tiempo innecesario! Tenemos una idea de programación en la computadora llamada la relación entre "tiempo y espacio". Algunos esquemas arquitectónicos "intercambian tiempo por espacio", y algunas arquitecturas "intercambian espacio por tiempo", y el autoaprendizaje pertenece a "intercambiar tiempo por espacio". Si usa el tiempo que ahorra para trabajar y ganar dinero, ¡el dinero que gana es en realidad mucho más que el costo de estudiar que ahorra!
Algunos "grandes inteligentes" dirán que, dado que escribir códigos durante el autoaprendizaje causará algunos problemas difíciles, entonces no escribo códigos, solo leo libros y videos. ¡Jaja, soy tan inteligente! ¡Si realmente haces esto, solo puedo decir que eres "un tonto tan sabio como tú"! Si quieres convertirte en programador sin escribir código, esto es equivalente a un artista marcial que solo lee trucos de artes marciales pero no practica artes marciales. ¿Quieres ser "Wang Yuyan"? Los programadores que no pueden escribir código y los programadores que no han participado en [Project Combat] son útiles para el desarrollo. ¡Esta es una diatriba típica!
Además, la industria de TI es una industria con rápidas actualizaciones tecnológicas, y la forma más fácil de extraviarse para los autodidactas es perder mucho tiempo. Tienes que pasar un año para aprender el contenido que se puede aprender en cinco o seis meses. Después de que has terminado de aprender esta técnica, descubres que esta técnica se ha actualizado, e incluso un poco desactualizada... ¡Has aprendido mucha soledad, hermano mayor! Y cuando éramos autodidactas, porque la mayor parte del tiempo "trabajábamos a puerta cerrada", no teníamos amigos a los que pedir consejo cuando teníamos problemas, y no sabíamos con quién comunicarnos cuando teníamos alguna idea. entonces [se perdió el "círculo de conexión" más básico].
No importa qué tecnología aprendamos por nosotros mismos, habrá varios problemas. Los anteriores son solo algunos problemas comunes encontrados por Xiaoyuan. Finalmente, Xiaoyuan resumirá la situación a la que es propenso el autoaprendizaje:
Sin una ruta de aprendizaje clara; poca conciencia de la autodisciplina; fácil ser magnánimo; sin ideas y métodos para evitar y resolver problemas; fácil de desviarse y perder el tiempo; sin experiencia real en proyectos, menos tipeo de código; sin círculo de TI para comunicarse con;... ....
Por supuesto, si los problemas anteriores no son un problema para ti, entonces Xiaoyuan puede decirte con confianza: "Chico, creo que eres un genio que es un agricultor de códigos, deberías darte prisa y comenzar a aprender computación de alto rendimiento por ti mismo". , ¡ayuda a China a subir al programa"!
3. Preparación antes del autoestudio
Si ha decidido estudiar por su cuenta de acuerdo con su situación actual, ingrese a nuestro segundo enlace. Debe tener una comprensión clara de la tecnología que estamos a punto de estudiar por su cuenta, así que antes de comenzar el autoestudio, prepare lo siguiente:
Encuentre una manera de crear una hoja de ruta de aprendizaje de computación de alto rendimiento actualizada, aclare la ruta y la versión de la tecnología de computación de alto rendimiento para aprender; planifique cuidadosamente su tiempo de aprendizaje diario e implemente estrictamente su propio plan de aprendizaje; prepare las herramientas de aprendizaje necesarias , como computadoras, software de desarrollo, libros de aprendizaje, sitios web de aprendizaje, etc.; verifique y evalúe regularmente sus resultados de aprendizaje y revise sus planes de aprendizaje futuros de acuerdo con los resultados de aprendizaje; ...
Para muchos principiantes, aunque han decidido aprender computación de alto rendimiento por sí mismos, de hecho, es posible que no sepa de qué se trata la computación de alto rendimiento, así que lea la introducción a la computación de alto rendimiento cuidadosamente preparada por Xiaoyuan.
3. Sobre la informática de alto rendimiento
Ahora que decidimos aprender una tecnología, primero debemos entender la tecnología, no podemos aprenderla sin saberlo todo, ¿verdad? No puedes aprenderlo solo porque otros dicen que es bueno, ¿verdad? ¿Qué incluye esta tecnología? ¿Puedo aprender esta técnica? ¿Cuál es el beneficio? ¿Cuáles son los requisitos para esta tecnología...
¡A continuación, Xiaoyuan te aclarará estas dudas una por una en este capítulo!
Como tecnología informática importante, la informática de alto rendimiento (HPC) tiene una larga historia y una amplia gama de aplicaciones. Proporciona potentes capacidades informáticas para la investigación científica, la simulación de ingeniería y el procesamiento de datos mediante la utilización de computación paralela y hardware dedicado para lograr tareas informáticas rápidas, a gran escala y eficientes.
1. Historia de la informática de alto rendimiento
El desarrollo de la informática de alto rendimiento se remonta a la era informática temprana en la década de 1940. En ese momento, los científicos e ingenieros se dieron cuenta de que usar computadoras para resolver problemas matemáticos complejos y simular el mundo real era una tarea con un gran potencial. Con el avance continuo de la tecnología de hardware informático y la mejora de la potencia informática, la informática de alto rendimiento se ha desarrollado rápidamente.
2. Ventajas de la informática de alto rendimiento
La computación de alto rendimiento tiene varias ventajas significativas:
Capacidad informática a gran escala: los sistemas informáticos de alto rendimiento pueden utilizar miles o incluso millones de unidades de procesamiento para realizar cálculos simultáneamente a través de modelos informáticos paralelos y distribuidos, lo que mejora significativamente la velocidad informática y la potencia de procesamiento.
Resolución de problemas complejos: los sistemas informáticos de alto rendimiento pueden manejar tareas complejas de cálculo científico, simulación y análisis de datos, incluida la simulación climática, la astrofísica, la simulación de dinámica molecular y otros campos.
Procesamiento de datos a gran escala: con el advenimiento de la era de los grandes datos, la computación de alto rendimiento puede procesar cantidades masivas de datos y extraer rápidamente información y conocimientos valiosos.
Acelere la innovación: la computación de alto rendimiento proporciona herramientas poderosas para la investigación científica y el diseño de ingeniería, acelera el proceso de innovación y promueve el desarrollo de varios campos.
3. Escenarios de aplicación de la informática de alto rendimiento
La computación de alto rendimiento se usa ampliamente en muchos campos, incluidos, entre otros, los siguientes aspectos:
Investigación científica: la informática de alto rendimiento desempeña un papel importante en la investigación científica en los campos de la física, la química, la biología y las ciencias de la tierra, ya que ayuda a los científicos a simular y analizar fenómenos y procesos complejos.
Simulación de ingeniería: la computación de alto rendimiento juega un papel clave en las simulaciones en campos como el diseño de ingeniería, la optimización de productos y la mecánica de fluidos, ayudando a los ingenieros a evaluar y mejorar las soluciones de diseño.
Finanzas y análisis de riesgos: la informática de alto rendimiento se puede utilizar para el modelado de riesgos, la optimización de carteras y la previsión de mercados en el sector financiero, proporcionando una potencia informática eficiente y un análisis de datos preciso para respaldar la toma de decisiones y la gestión de riesgos.
Medicina y ciencias biológicas: la informática de alto rendimiento desempeña un papel clave en la investigación en campos como la genómica, el plegamiento de proteínas, el descubrimiento de fármacos y la bioinformática, acelerando el diagnóstico de enfermedades, el desarrollo de nuevos fármacos y la innovación médica.
Astronomía y cosmología: la computación de alto rendimiento se puede utilizar para la simulación y el procesamiento de datos en los campos de la astrofísica y la cosmología, lo que ayuda a los científicos a estudiar fenómenos complejos como el origen del universo, la formación de galaxias y los agujeros negros.
4. Términos comunes para computación de alto rendimiento
En el mundo de la computación de alto rendimiento, hay algunos términos comunes que debe conocer:
Supercomputadora: se refiere a un sistema informático con un poder de cómputo extremadamente alto, generalmente compuesto por múltiples procesadores, una gran cantidad de memoria e Internet de alta velocidad, para manejar tareas informáticas científicas complejas.
Cómputo paralelo: se refiere a descomponer una tarea de cómputo en múltiples subtareas y ejecutarlas simultáneamente a través de múltiples unidades de procesamiento para mejorar la eficiencia y velocidad de cómputo.
Computación distribuida: las tareas informáticas se distribuyen a varios nodos informáticos para el procesamiento paralelo, y los nodos se comunican y transmiten datos a través de la red para formar un sistema informático distribuido.
Modelo de programación paralela: un modelo de programación para escribir programas informáticos paralelos, como OpenMP, CUDA y MPI, etc., que proporciona un mecanismo para descomponer, programar y sincronizar tareas informáticas paralelas.
Sistema de archivos de alto rendimiento: un sistema de archivos especialmente utilizado para computación de alto rendimiento, con lectura y escritura de datos de alta velocidad y escalabilidad, comúnmente utilizados son Lustre y GPFS.
Gestión de clústeres: las herramientas de software utilizadas para gestionar y programar recursos de clústeres informáticos de alto rendimiento, como Slurm y PBS, etc., se utilizan para asignar nodos informáticos, programar tareas y gestionar recursos.
La informática de alto rendimiento es una tecnología clave que continúa impulsando el avance de la ciencia, la ingeniería y la innovación. A través de una comprensión profunda de la historia, las ventajas, los escenarios de aplicación y los términos comunes de la informática de alto rendimiento, puede comprender mejor los conceptos básicos y las tendencias de desarrollo en este campo, y sentar una base sólida para el aprendizaje y la aplicación futuros.
Aquí, Yuancode Technology (https://www.ydma.com) ha preparado un curso de capacitación en computación de alto rendimiento para usted, que cubre la operación y el mantenimiento de CPU, GPU y supercomputación. Entre ellos, se recomienda especialmente el código ape: cursos de computación de alto rendimiento desde principiantes hasta maestros (optimización paralela de CPU y GPU).
Este es un curso especial de computación de alto rendimiento desarrollado conjuntamente por expertos de los principales institutos de investigación científica nacionales e ingenieros de empresas reconocidas Wei et al. Tendrá la oportunidad de aprender lo que ha aprendido a través de proyectos prácticos de ingeniería y cooperar y aprender de cerca con los mejores expertos e ingenieros nacionales.
