新版工具包显著地扩展了oneAPI跨架构开发的能力范围,供开发者进一步创新
英特尔发布了oneAPI 2022工具包。此次发布的最新增强版工具包扩展了跨架构开发的特性,为开发者提供更强的实用性和更丰富的架构选择,用以加速计算。
英特尔公司首席技术官、高级副总裁、软件和先进技术事业部总经理 Greg Lavender表示:“我十分敬佩oneAPI软件工程团队所完成的900多项技术改进,这些技术改进加速了关键应用工作负载在英特尔的客户端和服务器CPU和GPU上的开发时间和性能。深度技术创新的丰富oneAPI套组符合关键的行业标准,让应用程序开发者能获得从云到边缘更出色的运行性能。今天发布的oneAPI 2022版本,已准备好多语言支持和跨架构性能加速,以进一步提高英特尔平台上程序员的生产力。”
新功能包括第一款能执行C++、SYCL和Fortran的统一编译器,用于CPU和GPU的Data Parallel Python,先进的加速器性能建模和调试,以及用于AI和光线追踪可视化工作负载的性能加速。oneAPI跨架构编程模型为开发者提供了工具,旨在构建跨架构应用程序时提高代码开发的效率和速度的工具。
据Evans Data的调查显示,40%的开发者需要在异构系统上使用一种以上的处理器、处理器内核或协处理器[1]。oneAPI正在推动跨CPU、GPU、FPGA及其他加速器的异构构造中的跨架构计算创新,加速其步伐。跨架构计算创新需要软件将其中要素组合成一个完整的解决方案。oneAPI让开发者可以自由地为特定解决方案选择最佳硬件,而无需承担专有编程模型的经济和技术负担。
2022年英特尔® oneAPI工具包通过一套完整的先进工具,包括编译器、库、预优化框架、分析器和调试器,提供性能和生产力。自去年以来,增加了超过900个新的、增强的功能,加强了基础和特定领域工具包中的每一个工具。新版本现可在英特尔® DevCloud中免费下载或使用。
跨架构编程
在最新硬件上的性能
提升开发生产力的先进工具
更多背景资料请访问:英特尔oneAPI 2022介绍 | 英特尔On技术创新峰会(新闻资料)|英特尔oneAPI工具包| oneAPI | oneAPI相关评价 | 英特尔oneAPI工具包解析 | 英特尔oneAPI卓越中心
关于英特尔® oneAPI工具包:英特尔oneAPI工具包提供了为英特尔CPU、GPU和FPGA等开发高性能跨架构应用程序和解决方案所需的工具。oneAPI的组合工具包(基本工具包和特定领域的附加组件)简化了编程,帮助开发者提高生产力并提供出色性能,加速创新。这些工具包包括用于高性能异构计算的先进优化编译器、库、框架和分析工具,实现了oneAPI规范并与优化工具协同工作。
关于oneAPI:oneAPI提供一个开放、统一的跨架构编程模型,旨在简化跨多架构的开发过程(如CPU、GPU、FPGA、其他加速器)。oneAPI让开发者在一个开放、基于标准的编程环境中,打破基于单个厂商的封闭式编程模型的限制,为加速计算提供出色性能,并且允许代码持续迭代。
注意事项与免责声明
[1] Evan Data2020年全球发展调查第2卷
[2] 英特尔®DPC++兼容性工具工作流迁移:英特尔预估,截止至2021年9月。基于对一组 70 个 HPC 基准测试和样本的测量值,例如 Rodinia、SHOC、PENNANT 迁移到Data Parallel C++ (DPC++)。结果可能会有所不同。
[3] 加速你的AI Today解决方案摘要,英特尔,2021
[4] 新的第三代英特尔®至强®可扩展处理器通过Scikit-learn的英特尔®扩展展示了机器学习性能的领先地位,英特尔,2021
性能因使用、配置和其他因素而异。如需了解更多信息,请前往www.Intel.com/PerformanceIndex.
性能结果基于配置中显示的日期进行测试,且可能并未反映所有公开可用的安全更新。详细配置请参见备份。
没有任何产品或组件是绝对安全的。
实际成本与测试结果可能有所差异。
英特尔技术可能需要启用硬件、软件或服务来激活。
英特尔公司不控制或审核第三方公司的数据。您应该咨询其他来源以评估准确性。
© 英特尔公司。 英特尔、英特尔logo、至强、酷睿、VTune、OpenVINO及其他英特尔标识是英特尔公司或其分支机构的商标。
文中涉及的其它名称及品牌属于各自所有者资产。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。