Python: Aceleración por GPU y soporte para NVIDIA CUDA

cudaNVIDIA envía su nota de prensa, donde informan la productividad con Python con desempeño de GPU permite a nueva ola de Aplicaciones de HPC y análisis de datos.

Los crecientes números de programadores usando el lenguaje de open source Python ahora pueden tomar completa ventaja de la aceleración por GPU para sus aplicaciones de cómputo de alto desempeño (HPC) y de análisis de grandes datos al usar el modelo de programación paralela NVIDIA CUDA, anunció hoy NVIDIA.

Fácil de usar y aprender, Python está entre los principales 10 lenguajes de programación con más de tres millones de usuarios. Permite a los usuarios escribir código de software de alto nivel que captura sus ideas algorítmicas sin entrar en profundos detalles de programación. Las extensas librerías y características avanzadas de Python lo hacen ideal para una amplia gama de aplicaciones HPC de ciencia, ingeniería y análisis de grandes datos.

El soporte para la programación paralela de NVIDIA CUDA viene de NumbaPro, un complilador Python en el nuevo producto Anaconda Accelerate de Continuum Analytics.

Cientos de miles de programadores de Python podrán ahora aprovechar las GPU aceleradoras para mejorar el rendimiento en sus aplicaciones,” comenta Travis Oliphant, co-fundador y CEO en Continuum Analytics. “Con NumbaPro, los programadores tienen lo mejor de ambos mundos: pueden tomar ventaja de la flexibilidad y alta productividad de Python con el alto desempeño de las GPU NVIDIA.”


El ambiente de desarrollo en Python de Continuum Analytics usa el kit de software compilador para desarrollo LLVM y NVIDIA CUDA para brindar aplicaciones aceleradas por GPU de Python para los programadores.

Los módulos en LLVM facilitan a los diseñadores de lenguajes y librerías agregar soporte para aceleración con GPU en una amplia gama de lenguajes de propósito general como Python, así como para lenguajes de programación de dominio específico. Las eficientes capacidades de compilación justo-a-tiempo de LLVM permiten a los desarrolladores compilar en lenguajes dinámicos como Python al vuelo para una variedad de arquitecturas.

“Nuestro grupo de investigación típicamente trabaja con prototipos y desarrolla nuevas ideas de algoritmos en Python y luego rescribe el algoritmo para C o C++ una vez que se haya demostrado que fue efectivo,” comenta Vijay Pande, profesor de Química y Biología Estructural en la Universidad de Stanford. “El soporte para CUDA en Python nos permite escribir código de rendimiento mientras mantenemos la productividad que ofrece Python.”

Anaconda Accelerate está disponible dentro de la oferta de Anaconda Python de Continuum Analytics como parte del ambiente basado en navegadores de exploración y desarrollo de código.

Lino Cisterna

CEO&Founder RevistaProware.com Aficionado a las Ciencias, Física Teórica, (G)Astronomía, Sociología, Psicología, Teorías de la Tecnología (AAT).

One Comment:

  1. Pingback: Nvidia presentan Logan y Parker

Agregar un comentario

Su dirección de correo no se hará público. Los campos requeridos están marcados *