65.9K
CodeProject 正在变化。 阅读更多。
Home

使用 Jupyter 在 Intel® DevCloud 上开始使用 oneAPI

Dhruv__Patel
starIconstarIconstarIconstarIconstarIcon

5.00/5 (1投票)

2022年3月14日

CPOL

8分钟阅读

viewsIcon

6764

downloadIcon

56

在本文中，我们将演示如何设置 Intel DevCloud 并开始使用 oneAPI，同时展示 oneAPI 的一些独特功能。

随着编程世界的飞速发展，无数种编程语言和架构涌现并被取代，以跟上开发需求。随着语言和范式的不断变化，我们程序员花费大量时间重写相同的脚本，几乎没有时间或能力专注于学习、优化和创新。

Intel 的 oneAPI 可以成为忙碌开发者的救星。新的统一编程模型保持行业标准，同时提供跨平台功能和跨架构的通用体验。oneAPI 使开发人员能够结合用户 CPU、GPU、FPGA 和其他加速器的处理能力，并行运行进程。并行执行可以提供更好的性能、效率、响应能力等。

Intel DevCloud 使我们能够充分利用 oneAPI 在各种加速器类型上的潜力。您可以立即在 Intel DevCloud 上访问 oneAPI Base Toolkit，或者将其下载并部署到您的本地计算机上。

在本教程中，我们将构建一个使用 oneAPI 的 DPC++ 程序，然后使用 Intel DevCloud 进行测试。我们的程序将执行两个 32 位浮点向量的点积，并将结果存储在第三个向量中。

我们将首先演示如何注册 Intel DevCloud。然后，我们将研究基于 C++ 和 SYCL 的 Data Parallel C++ (DPC++) 编程语言，它支持跨异构架构的并行编程。我们将执行点积乘法，同时为各种工作负载使用各种加速器（如 CPU、GPU 和 FPGA 等异构架构）。

要跟随本教程，您应该对 C++ 有充分的了解。您也可以下载完整的代码进行跟随。

创建 Intel DevCloud 帐户

我们的目标是了解 Intel 的 oneAPI，它使用了 DPC++ 以及其他特定领域的库和调试工具。由于我们使用的是云，我们只需要一个浏览器和稳定的互联网连接。或者，您可以使用 SSH 连接来解锁 oneAPI DevCloud 的强大界面，尽管在本教程中我们将坚持使用浏览器。

首先，访问 Intel DevCloud 并点击 **Enroll** 按钮。填写 DevCloud 帐户所需的所有必要信息。

在 **More About you** 页面上，输入所需信息。选择 **HPC Workloads** 作为您使用 Intel DevCloud 的目的。

点击 **Next** 后，Intel 会向您的电子邮件发送一个验证链接。使用该链接验证您的帐户，然后您将被重定向到 **Sign In** 页面，并看到一个类似这样的 DevCloud 登录页面。

设置开发环境

Intel DevCloud 提供三种开发和执行环境供选择：Secure Shell (SSH) Direct Connection、JupyterLabs 以及用于渲染工具包节点的远程桌面解决方案。我们将使用 JupyterLabs 来学习 oneAPI 和 DPC++ 编程。

首先，访问 **Working With oneAPI** 页面，并同意软件要求和条款。

点击 **Submit** 后，Intel 会将您重定向到 oneAPI Get Started 页面。滚动到页面底部，然后点击 **Launch JupyterLab**。

当 JupyterLab 启动时，它会提示您选择一个内核。选择 **Python 3.7 (Intel oneAPI)**。然后会出现一个带有 _welcome.ipynb_ 的 Jupyter notebook，其中包含 oneAPI 和 DPC++ 所需的所有文档。

为了方便起见，请切换到 Jupyter notebook 中的现有路径

/oneAPI_Essentials/01_oneAPI_Intro/

现在我们将创建一个新的 notebook。点击左上角的 **+** 按钮，然后选择 **Python 3.7 (Intel oneAPI)**。

点击 notebook 上的 **+** 按钮，创建两个新单元格。第一个单元格用于代码，第二个单元格用于编译和将作业提交到 DevCloud。

我们创建了一个 Python Jupyter notebook，所以它只能理解 Python 代码。如果我们尝试直接编译 DPC++，我们会从第一行收到语法错误。因此，我们instead将 _ .cpp_ 文件放入一个名为 _lab_ 的文件夹中，并在单元格中提供文件位置。当我们运行单元格时，它会用我们添加的代码覆盖原始的 _ .cpp_ 文件。

在本示例中，我们将创建一个简单的程序，该程序对两个向量执行浮点向量乘法，然后将结果存储在第三个向量中。因此，请在 lab 文件夹中创建一个 _vector-multi.cpp_ 文件。

使用 oneAPI 编码跨平台程序

现在让我们探讨如何为我们的程序实现 oneAPI 和 DPC++ 类和函数，以实现跨架构功能。

设置头文件和全局变量

让我们从程序的头文件和全局元素开始。我们使用 _sycl.hpp_ 文件进行所有内核和并行处理。此外，我们声明常量 N 作为向量的维度。

%%writefile lab/vector-multi.cpp
#include <CL/sycl.hpp>
using namespace sycl;
static const size_t N = 3;

声明工作函数

接下来，我们声明将在 main 函数中调用的 work 函数。（我们必须在 main 函数之前声明它，否则我们会收到“未声明的标识符”错误。）

该代码从 main 函数中选择 XPU（CPU、GPU 或 FPGA）队列，然后将队列传递给 work 函数，我们将使用该函数来处理这些向量。我们为每个向量创建缓冲区和访问器，处理程序可以轻松访问和使用它们来进行并行处理。此外，我们还有 queue submit 和 wait 函数，它们将工作负载发送到内核进行并行处理，并管理内核的唤醒和睡眠周期。

void work(queue &q) 
{
  std::cout << "XPU Device : "
<< q.get_device().get_info<info::device::name>()
<< std::endl;  
  auto R = range(N);  
  float vector1[N] = {1.1,2.2,3.3};

  std::cout << "Input  : " << vector1[0] << ", " << vector1[1] << ", " << vector1[2] << std::endl;

  float vector2[N] = {1.1,2.2,3.3};
  std::cout << "Input  : " << vector2[0] << ", " << vector2[1] << ", " << vector2[2] << std::endl;

  float vector3[N] = {0,0,0};
     
  buffer vector1_buffer(vector1,R);
  buffer vector2_buffer(vector2,R);
  buffer vector3_buffer(vector3,R);
     
  q.submit([&](handler &h) {
     accessor vector1_accessor (vector1_buffer,h,read_only);
     accessor vector2_accessor (vector2_buffer,h,read_only);
     accessor vector3_accessor (vector3_buffer,h);
  
     h.parallel_for<class multiplication>(range<1>(N), [=](id<1> index) {
        vector3_accessor[index] = vector1_accessor[index] * vector2_accessor[index];
    });
  });
 
  q.wait();
    
  host_accessor h_a(vector3_buffer,read_only);
  std::cout << "Vector Multiplication Output : " << vector3[0] << ", " << vector3[1] <<  ", " << vector3[2] << std::endl;
  
}

添加主函数

main 函数可以根据处理器声明各种队列。如果我们想在 Intel GPU 上运行它，我们会取消注释它，然后注释掉 CPU 选择器队列。相同的代码将在不同的架构上运行，而无需重写！我们还将所有代码放入 try-catch 块中，以启用任何潜在的错误处理。

int main() 
{      
  try {
       
  //uncomment the selector that you want to use  
  //gpu_selector selector;
    cpu_selector selector; //the active selector
  //default_selector selector;
  //host_selector selector;
        
    queue q(selector);
    work(q);
  }
  catch (exception e) {
    std::cerr << "Exception: " << e.what() << std::endl;
    std::terminate();
  }
  catch (...) {
    std::cerr << "Unknown exception" << std::endl;
    std::terminate();
  }
}

在 DevCloud 中执行代码

由于 Jupyter notebook 仅运行 Python 代码，请将下面的代码添加到下一个单元格中，以允许将您的作业发布到 DevCloud。它包含 chmod 命令，用于授予我们将要创建的 _run_vectormultiplication.sh_ 文件读/写权限。

单元格代码

! chmod 755 q; chmod 755 run_vectormultiplication.sh; if [ -x "$(command -v qsub)" ]; then ./q run_vectormultiplication.sh; else ./run_vectormultiplication.sh; fi

在与 Jupyter notebook 相同的文件夹中创建一个 _run_vectormultiplication.sh_ 文件，然后将下面的代码添加到该文件中。此代码在 DevCloud 中编译 DPC++ 程序，并输出 notebook 向量乘法的相关输出。它包含 DPC++ 编译器所需的所有命令。

#!/bin/bash
source /opt/intel/oneapi/setvars.sh > /dev/null 2>&1
/bin/echo "##" $(whoami) is compiling DPCPP_Essentials Module1 -- oneAPI Intro sample - 1 of 2 vector-multi.cpp
dpcpp lab/vector-multi.cpp -o bin/vector-multi
if [ $? -eq 0 ]; then bin/vector-multi; fi

前三行是用于云用户验证和 DPC++ 编译所需环境设置的命令。在第 4 行，dpcpp 命令编译给定的 _ .cpp_ 文件，并将对象文件存储在 -o 选项指定的路径中。

要运行 DevCloud 中的 oneAPI/DPC++ 代码，请按照以下步骤操作

  1. 在 Python Jupyter notebook 中创建一个单元格，并提供文件位置，以便将下面的代码覆盖到该文件中。将 _ .cpp_ 文件保存到文件夹中，并在单元格中提供其位置。
  2. 要编译和执行 Python Jupyter notebook 中的代码，请使用上面提到的 shell 脚本代码创建 shell 脚本文件，并使用任何与您的程序相关的名称。上面的代码包含 _ .cpp_ 文件位置和 DPC++ 库，使其能够编译并将作业提交到 Intel DevCloud。
  3. 在 Jupyter notebook 中创建第二个单元格，并使用 chmod 代码片段授予读/写权限并启用作业提交到 DevCloud。然后 DevCloud 可以编译 .cpp 代码并发送相关输出。

上方的截图显示我们的程序已成功将向量相乘并将结果存储起来。它在 30 秒内快速完成，结合了我们的 CPU 和 GPU 的处理能力。

后续步骤

oneAPI 提供了跨架构编程所缺失的组件，更易于实现的库，以及为开发人员探索提供的广阔空间。要进一步使用 oneAPI，我们可以尝试在 CPU、GPU 和 FPGA 上对所有不同方法进行数组排序。

虽然我们这里运行了一个简单的程序，但这些相同的方法可以帮助加速更复杂的任务，例如更长的向量列表、机器学习或高性能计算 (HPC) 进程。尝试 oneAPI，结合所有可用处理器的功能，以获得更快、更强大的应用程序。

资源

Intel DevCloud – oneAPI Public

访问
必备组件
  • 无，任何人都可以访问。
  • 120 天，可根据要求延长
  • 在此 注册访问
支持 论坛 - https://software.intel.com/en-us/forums/intel-devcloud
区别
  • SSH 和 Jupyter 界面
  • 提供 SSH 密钥
  • 标准 oneAPI 工具
  • 更广泛的计算节点

© . All rights reserved.