Корпорация Intel объявила о выпуске наборов инструментов для oneAPI 2022. Благодаря расширенным кросс-архитектурным свойствам новые усовершенствованные программные инструменты предлагают разработчикам дополнительные ресурсы для ускорения вычислений.
Список новых функций включает первый в мире унифицированный компилятор с поддержкой C++, SYCL и Fortran, реализацию языка Python для центральных и графических процессоров с распараллеливанием данных, инструменты для расширенного моделирования и настройки эффективности работы ускорителей, а также средства повышения производительности для рабочих нагрузок ИИ и визуализации трассировки лучей. Модель кроссплатформенного программирования oneAPI предоставляет специалистам инструменты для повышения продуктивности и увеличения скорости написания кода при создании кросс-архитектурных приложений.
Согласно данным исследования Evans Data, 40% разработчиков ориентируются на гетерогенные системы, в которых используется несколько типов процессоров, процессорных ядер или сопроцессоров. Кросс-архитектурные вычисления, продвигаемые с помощью oneAPI в гетерогенных системах с использованием процессоров, графики, программируемых матриц (FPGA) и других ускорителей, способствуют более быстрому внедрению инноваций. Для каждого из них необходимо программное обеспечение, с помощью которого все эти компоненты можно объединить в комплексное решение. Используя oneAPI, разработчики могут выбирать наиболее оптимальное оборудование для конкретного решения без дополнительных экономических затрат и технологических ограничений, свойственных закрытым моделям программирования.
Наборы инструментов Intel oneAPI 2022 обеспечивают производительность и продуктивность благодаря полному комплекту современных средств разработки, включая компиляторы, библиотеки, предварительно оптимизированные фреймворки, анализаторы и отладчики. За последний год было добавлено и улучшено более 900 функций, которые расширяют возможности каждого инструмента в основном и специализированных наборах. В настоящее время они уже доступны для загрузки или использования в облаке Intel DevCloud на бесплатной основе.
Intel создала первый в мире унифицированный компилятор, реализующий C++, SYCL и Fortran для центральных и графических процессоров с использованием общего бэкенда LLVM.
Реализованы ускоренные вычисления с применением центральных и графических процессоров для Python, одного из наиболее популярных сегодня языков программирования.
Инструмент Intel DPC++ Compatibility Tool был улучшен для автоматического переноса от 90% до 95% кода CUDA на SYCL/DPC++.
Наборы инструментов Intel oneAPI оптимизированы для применения расширенных возможностей новейшего разрабатываемого оборудования, включая процессоры Intel Core
Производительность популярных фреймворков глубокого обучения увеличена до 10 раз по сравнению с предыдущими версиями благодаря новейшим инструментам Intel Optimization for TensorFlow и Intel Optimization for PyTorch.
Новое расширение Intel Extension for Scikit-learn ускорит алгоритмы машинного обучения более чем в 100 раз на процессорах Intel по сравнению со стоковой версией с открытым исходным кодом.
Представленный Intel Neural Compressor служит для повышения производительности инференса за счет использования методов послетренинговой оптимизации в различных системах глубокого обучения.
Экспертный анализ производительности процессоров и ускорителей — отображение flame-графика в Intel VTune Profiler помогает улучшить визуализацию производительности в критичных точках. Моделирование производительности ускорителей в Intel в Intel Advisor позволяет разработчикам оценить потенциальную эффективность вычислений при переносе нагрузки на GPU — до внесения изменений в код.
Усовершенствованная трассировка лучей — новые функции, включая коническую телеметрию, уменьшение шума вспомогательных элементов и поддержку формата FP16, обеспечивают более четкие формы объектов и сокращают время визуализации, а также увеличивают общую скорость рендеринга. Поддержка новых графических процессоров Intel Xe, а также устранение шумов в реальном времени позволяют дополнительно улучшить качество рендеринга финальных кадров.
