GPU 高性能计算

背景

近日忽然想到，在CPU类型的服务器即使给到足够的运算资源，与GPU类型的服务器做运算来讲仍然是相差甚远，而本人有一台闲置的AMD vega8集显的电脑。想要用来做计算，来探究其与CPU运算的差别。

跟踪

网上查阅资料发现，大部分的用户都是安装NVIDA自家研究的CUDA，然后用作机器学习人工智能方面的运算。而很少有AMD vega显卡的实例。再深度查阅资料发现WSL（Windows子系统linux）中宣布支持vega显卡的并行运算。

开坑

这次准备买一个大规模的硬盘再对Windows系统安装linux子系统挂载硬盘和显卡，自己用作大规模计算和Python相关的学习。

实践

通过网上教程和官方文档，安装好WSL的Ubuntu-20.04分发版，其中比较坑的点：

1. 需要禁用旧版控制台：在命令提示符窗口的标签位置右键-属性-选项-取消使用旧版控制台并重启；
2. 开启Windows10中的开启linux子系统功能；
3. 开启window虚拟化功能和BIOS虚拟化功能；
4. 更新到WSL2才能使用GPU运算；
5. GPU运算有很多途径，查阅资料发现有：
   • NVIDIA GPU 的用途更广，包括但不限于：利用官方驱动安装CUDA在window或linux环境进行机器学习、利用WSL2的驱动使用TensorFlow
   • AMD GPU 我查阅了更多资料，发现也有很多途径但都要依赖于官方是否给予相关驱动支持，包括但不限于：ROCm、Direct ML

参考

1. 【官方】适用于 Linux 的 Windows 子系统安装指南
2. 禁用旧的控制台
3. Window10使用WSL2
4. 设置WSL2
5. WSL2新特性
6. WSL中的GPU加速
7. 在 ROCm 上加速机器学习 (ML)
8. ROCm 上的高性能计算 (HPC)