科学计算用GPU的精度
一位电气工程师最近告诫我不要将GPU用于科学计算（例如，在精度非常重要的情况下），因为它没有像CPU那样的硬件保障。这是真的吗？如果是的话，这个问题在典型的硬件中有多普遍/多严重？
共有1个答案
实际上，现代GPU非常适合科学计算，许多HPC应用程序至少部分地移植到GPU上运行，以提高性能和能源效率。与旧的GPU不同，现代GPU（例如NVIDIA的Fermi或Kepler架构）提供完全标准化的IEEE-754格式，用于单精度和双精度，因此您应该能够像在现代CPU上一样使用这些格式。
-
Python 在科学计算上的应用非常广泛，包括数学、统计学、图形学……等等， 也是科学计算领域的首选编程语言之一。 这一部分的文章主要是介绍 Python 在科学计算领域常用的库，以及科学计算在日常中可能的实际用例。 常用库介绍 IPython 和 Jupyter Notebook NumPy NumPy 是 Python 科学计算生态系统的基础，提供了多维数组操作、线性代数运算、傅立叶变换等 多
-
Numpy 是 Python 科学工具栈的基础。它的目的很简单：在一个内存块上实现针对多个条目（items）的高效操作。了解它的工作细节有助于有效的使用它的灵活性，使用有用的快捷方式，基于它构建新的工作。
-
问题内容： 我遇到了一个问题，我正在开发一个应该能够进行一些数学计算的应用程序。这些计算必须是准确的（或者显然不是错误的） 但是这个简单的代码 给我一个错误的结果c不是预期的0.003048而是0.0030480000000000004这显然是错误的。 第二个代码片段给出了正确的结果。 我知道在使用计算机进行计算时，并不是所有的浮点运算都是精确的，但是我不知道如何解决这个问题。 提前致谢！ 路德维
-
到目前为止，我们一直在使用CPU计算。对复杂的神经网络和大规模的数据来说，使用CPU来计算可能不够高效。在本节中，我们将介绍如何使用单块NVIDIA GPU来计算。首先，需要确保已经安装好了至少一块NVIDIA GPU。然后，下载CUDA并按照提示设置好相应的路径（可参考附录中“使用AWS运行代码”一节）。这些准备工作都完成后，下面就可以通过nvidia-smi命令来查看显卡信息了。 !nvidi
-
本书全面而详细地阐述了计算机科学的理论基础，从抽象概念的机械化到各种数据模型的建立，用算法、数据抽象等核心思想贯穿各个主题，很好地兼顾了学科广度和主题深度，帮助读者培养计算机领域的大局观，学习真正的计算机科学。
-
本节中我们将展示如何使用多块GPU计算，例如，使用多块GPU训练同一个模型。正如所期望的那样，运行本节中的程序需要至少2块GPU。事实上，一台机器上安装多块GPU很常见，这是因为主板上通常会有多个PCIe插槽。如果正确安装了NVIDIA驱动，我们可以通过nvidia-smi命令来查看当前计算机上的全部GPU。 !nvidia-smi “自动并行计算”一节介绍过，大部分运算可以使用所有的CPU的全部