توسعه برنامه های ابری با شتاب FPGA با SDAccel: تمرین

این دوره برای هر کسی که علاقه مند به یادگیری نحوه توسعه برنامه های کاربردی با شتاب FPGA با SDAccel است است! هرچه هدف کلی تری داشته باشید، انعطاف پذیرتر هستید و انواع برنامه ها و الگوریتم های بیشتری را می توانید بر روی زیرساخت محاسباتی زیربنایی خود اجرا کنید. همه اینها فوق‌العاده است، اما غذای رایگان وجود ندارد و این اغلب با از دست دادن کارایی اتفاق می‌افتد. این دوره چندین سناریو را ارائه می‌کند که در آن حجم‌های کاری به کارایی بیشتری نیاز دارند که حتی با استفاده از سریع‌ترین پردازنده‌ها می‌توان به دست آورد. این سناریو معماری های ابری و مرکز داده را به سمت محاسبات تسریع شده تبدیل می کند. در این دوره، ما به شما نشان خواهیم داد که چگونه با استفاده از Xilinx SDAccel برای برنامه‌ریزی نمونه‌های آمازون EC2 F1 از مزایای استفاده کنید. ما می خواهیم این کار را از طریق یک مثال کاربردی از الگوریتم مورد استفاده در زیست شناسی محاسباتی انجام دهیم. حجم عظیمی از داده‌ها که الگوریتم‌ها به پردازش نیاز دارند و پیچیدگی آن‌ها، مشکل افزایش توان محاسباتی مورد نیاز برای انجام محاسبات را ایجاد کرده است. در این سناریو، شتاب‌دهنده‌های سخت‌افزاری نشان دادند که در دستیابی به سرعت در محاسبات مؤثر هستند و در عین حال در مصرف انرژی صرفه‌جویی می‌کنند. در میان الگوریتم‌های مورد استفاده در زیست‌شناسی محاسباتی، الگوریتم اسمیت واترمن یک الگوریتم برنامه‌نویسی پویا است که تضمین شده برای یافتن هم‌ترازی محلی بهینه بین دو رشته که می‌توانند نوکلئوتید یا پروتئین باشند، می‌باشد. در کلاس‌های زیر، ما یک تحلیل و شتاب سخت‌افزاری متوالی مبتنی بر FPGA از الگوریتم اسمیت-واترمن را ارائه می‌کنیم که برای انجام هم‌ترازی زوجی توالی‌های DNA استفاده می‌شود. در این زمینه، این دوره بر روی زیرساخت‌های ابری ناهمگون و توزیع‌شده تمرکز می‌کند و جزئیاتی را در مورد نحوه استفاده از Xilinx SDAccel، از طریق مثال‌های کاری، برای زنده کردن راه‌حل‌های خود با استفاده از نمونه‌های آمازون EC2 F1 در اختیار شما قرار می‌دهد.