Skip to content
Bringing Business and Technology together
facebook
Khoa Công nghệ Thông tin Kinh doanh
Điện Thoại +84-283-526-5816
Email bit@ueh.edu.vn
Địa Chỉ 279 Nguyễn Tri Phương, Quận 10
  • Giới thiệu
    • Lịch sử phát triển
    • Ban chủ nhiệm
    • Ban lãnh đạo
    • Ban Thư Ký
    • Hội Đồng Khoa Học
  • Đào tạo
    • Chương trình Đại học
    • CT Liên thông Đại học
    • Chương trình Sau đại học
    • Chương trình quốc tế
  • Khoa học công nghệ
    • Hội thảo khoa học
    • Đề tài khoa học
    • Công bố khoa học
    • Nhiệm vụ khoa học
    • Trung Tâm TH Kinh Tế
  • Hợp tác
    • Hợp tác quốc tế
    • Hợp tác trong nước
  • Giảng viên
    • Lịch giảng các khóa
    • Thông báo KHOA VÀ UEH
    • BM Công nghệ thông tin
    • BM CN Thương mại điện tử
    • BM Hệ thống thông tin
    • Cựu giảng viên
  • Sinh viên
    • Thông báo về đào tạo
    • Hoạt động Đoàn – Hội
    • Tăng cường kỹ năng CNTT
    • Cuộc thi trong sinh viên
    • Thông tin học bổng
    • Thông tin việc làm
    • Cựu sinh viên

NVIDIA – Thiết bị tính toán hữu ích

Home > Sinh viên > Tăng cường kỹ năng CNTT > NVIDIA – Thiết bị tính toán hữu ích

NVIDIA – Thiết bị tính toán hữu ích

Posted on 04/08/202005/08/2020 by Thanh Le
0

Hiện nay, hầu hết các máy tính, đặc biệt là máy tính xách tay, đều được tích hợp card đồ họa NVIDIA. Thiết bị này ra đời vào cuối thập niên 90s của thế kỷ trước, sử dụng chíp xử lý đồ họa GPU (graphics processing unit), với nhiệm vụ ban đầu là giúp tăng cường chất lượng hình ảnh trên máy tính, đặc biệt là máy tính chuyên dụng để chơi game. Tuy nhiên, với kiến trúc đặc biệt, GPU dần trở nên thích hợp và hiệu quả hơn CPU trong việc cài đặt các thuật toán xử lý song song. Thuật toán nhân ma trận là 1 trong số các thuật toán này.

Nhân ma trận nói riêng, và các phép toán ma trận (Đại số tuyến tính) có vai trò quan trọng trong khoa học máy tính, đặc biệt là lĩnh vực nghiên cứu Machine Learning và Deep Learning. Chúng đồng thời là công cụ không thể thiếu đối với nhà phân tích nghiệp vụ quản lý, kinh doanh và thương mại điện tử cho các vấn đề xây dựng, đánh giá, lựa chọn hệ thống KPIs nhằm tối ưu hóa mục tiêu đề ra, hay với nhà phân tích tài chính, chẳng hạn sử dụng mô hình mô phỏng Monte Carlo hoặc Hidden Markov Model để xấp xỉ một đại lượng nào đó mà mô hình toán-thống kê, ví dụ black-scholes, chưa thể đáp ứng được. Các mô hình mà các nhà kinh doanh, tài chính sử dụng như nói trên đều yêu cầu khối lượng tính toán ma trận rất lớn.

Trong bài này, chúng tôi trình bày cách sử dụng GPU cho tính toán ma trận và hiệu quả việc khai thác thiết bị này. Bạn đọc vui lòng kiểm tra các bước chuẩn bị phần mềm cần thiết cho Nvidia card như dưới đây để đảm việc truy cập GPU thực hiện được.

  1. Kiểm tra chip GPU qua model của máy hoặc Nvidia logo.
  2. Cài đặt Nvidia driver: Click ở đây, chọn driver phù hợp và tải về cài đặt. Sau đó, kiểm tra biểu tượng Nvidia trên thanh công cụ (đối với máy dùng Windows) hoặc gõ lệnh nvidia-smi (với máy dùng Linux) để biết cài đặt thành công. Người dùng Mac xin xem hướng dẫn ở đây.
  3. Cài đặt CUDA toolkit: Click ở đây, chọn phiên bản CUDA tương thích và cài đặt. Khi hoàn tất, cập nhật đường dẫn đến thư mục CUDA toolkit cho biến môi trường PATH của hệ thống: sử dụng System / Adv Settings / System Variables (Windows); lệnh export hoặc thiết lập profile (Linux).
  4. Cài đặt cudaDNN: Tương tự như với CUDA.
  5. Cài đặt thư viện tính toán cupy: Bạn đọc cần cài đặt python và pip. cupy được cài đặt qua pip hoặc conda. Giả sử phiên bản CUDA là 10.1 thì lệnh cài đặt cupy là: pip3 install –pre cupy-cuda101
  6. Sau cùng cài đặt Tensorflow-gpu: Tương tự như với cupy.

Chúng tôi test chương trình nhân 2 ma trận có kích thước là 300×1000 và 1000×700; thực hiện 15000 lần với các ma trận khác nhau, khởi tạo ngẫu nhiên. Chương trình sử dụng CPU với numpy và GPU với cupy. Hàm thư viện energyusage được dùng để đo thời gian thực thi và năng lượng tiêu thụ của chương trình với mỗi chip xử lý.

Kết quả như sau:

GPU hoàn tất xử lý với 60 lần nhanh hơn CPU, nhưng tiêu thụ điện năng ít hơn 880 lần. Thực tế tỷ lệ này có thể cao hơn nữa vì một phần lớn điện năng cho quạt làm mát CPU không được thống kê ở trên.

GPU đạt hiệu quả cao nhất khi các đơn vị tính toán độc lập tuyệt đối; tỷ lệ điện năng tiêu thụ tăng chậm hơn tỷ lệ tăng khối lượng tính toán. Trong khi đó CPU thì ngược lại. Khi cài đặt bài toán nói trên sử dụng Tensorflow-gpu, thời gian tính toán lần lượt là 525.31s trên CPU và 16.13s trên GPU. Các tensors của GPU được xác lập qua device name: /device:GPU:0. Nếu nhầm lẫn giữa CPU và GPU ở bước này sẽ dẫn đến một phần xử lý và dữ liệu được chuyển sang CPU. Điều đó làm cho thời gian thực thi lớn hơn rất nhiều so với việc thực thi thuần CPU.

Trên đây là phần trình bày cách thực hiện và hiệu quả ứng dụng GPU trên máy tính cho phép tính ma trận. Cảm ơn bạn đọc đã theo dõi.

Thanh Le, PhD.

Tags: cpu, cupy, gpu, nvidia, tensorflow

Khoa học dữ liệu
Mục tiêu Đào tạo cử nhân ngành Khoa học Dữ liệu nắm vững kiến thức cơ bản, hệ thống và hiện đại tương đương với chương trình đào tạo của các trường đại học tiên tiến trên thế giới; có khả...
Hệ thống hoạch định nguồn lực doanh nghiệp (ERP)
Nhu cầu xã hội Hoạch định các nguồn lực một cách hiệu quả để nhắm đến mục tiêu giảm chi phí, tăng sức cạnh tranh là một vấn đề mà mọi doanh nghiệp luôn phải đối mặt, nhất là trong thời...
Công nghệ Phần mềm
Nhu cầu xã hội Cách mạng công nghiệp 4.0 giúp công nghệ thông tin và viễn thông (ICT) xâm nhập mọi mặt đời sống kinh tế xã hội. ICT vì thế mà dần trở thành một trong những mũi nhọn chiến...
Thương mại điện tử
Nhu cầu xã hội Ngành Thương mại điện tử (TMĐT) tại Việt Nam hiện nay đang có những bước tăng trưởng mạnh mẽ và ngày càng đóng góp nhiều hơn cho sự phát triển kinh tế xã hội của đất nước....
Hệ thống thông tin kinh doanh
Nhu cầu xã hội Hiện nay, ứng dụng công nghệ trong điều hành doanh nghiệp đang được các nhà quản trị quân tâm. Thành công của một doanh nghiệp với các mục tiêu đặt ra liên quan nhiều đến quyết định...
Thạc sĩ Công nghệ thiết kế thông tin & truyền thông
Tên chương trình: Công nghệ thiết kế thông tin và truyền thông (Information Design and Technology) Ngành: Hệ thống thông tin quản lý Trình độ đào tạo: Thạc sĩ Hướng đào tạo: Thạc sĩ hướng ứng dụng (more…)
KHOA CÔNG NGHỆ THÔNG TIN KINH DOANH
279 Nguyễn Tri Phương #B1-1004, Q. 10, TP. HCM
(+84) 283-526-5816
bit@ueh.edu.vn


59C Nguyễn Đình Chiểu, Quận 3, TP. Hồ Chí Minh
Điện thoại: 84.283.8295299 – Fax: 84.283.8250359
E-mail: info@ueh.edu.vn

Thông báo mới nhất

  • Thông báo về việc thay đổi địa chỉ các cơ sở thuộc Trường
  • Công văn về việc lấy ý kiến đồng nghiệp và người học cho ứng viên các danh hiệu và giải thưởng năm 2020
  • Thông báo kết quả họp Hội đồng xét bổ nhiệm chức danh Phó Giáo sư Trường Đại học Kinh tế TP. Hồ Chí Minh năm 2020
  • Kế hoạch về việc tổ chức các lớp bồi dưỡng dành cho viên chức, người lao động UEH năm 2021
  • Tiến sĩ tốt nghiệp tại UEH có bài nghiên cứu được công bố quốc tế uy tín

TỪ KHÓA

about bit advertising bcn bit C# cao học chính quy CityU cntt cs công nghệ facebook fast giảng viên httt hài lòng hệ tư vấn hội thảo hợp tác isbm IT khách hàng kinh doanh marketing MIS mạng xã hội NCKH ngân hàng người học online ads partner R sinh viên SUTD thương mai tin sv twitter UEH việc làm viện du lịch xoa Đông Á đào tạo đại học ứng xử

© 2017–2021 Khoa Công nghệ Thông tin Kinh doanhDesigned & Developed by Thanh Le