开发单位：鹏城实验室(PCL)，清华大学(THU) 特别感谢国防科技大学窦勇老师及其团队的宝贵意见和支持 AIPerf Benchmark v1.0 Benchmark结构设计 关于AIPerf设计理念，技术细节，以及测试结果，请参考论文： AIPerf Benchmark基于微软NNI开源框架，以自动化机器学习（AutoML）为负载，使用network morphism进行网络结构搜索和TPE进行超参搜索。 Benchmark安装说明 本文用于在容器环境下运行Benchmark 一、Benchmark环境配置、安装要求 (本文档默认物理机环境已经安装docker、nvidia-docker) Benchmark运行环境由Master节点-Slaves节点组成，其中Mater节点不参与调度不需要配置GPU/加速卡，Slave节点可配置多块加速卡。 1.物理机环境配置 (物理机执行：

德国Geomer 公司基于GIS 栅格数据开发内嵌GIS 平台的FloodArea 模型，基于水动力方法，对地形、河 道和土地利用类型等参数较为敏感。

02 智能无损网络（HPC场景）（印刷版） 01 智能无损网络（HPC场景）（在线阅读版）

HPC系统的社区构建基块 介绍 该堆栈提供了部署和管理HPC Linux集群所需的各种常见的，预先构建的成分，包括配置工具，资源管理，I / O客户端，运行时，开发工具，容器和各种科学库。 当前有两个发行系列： 和 ，它们针对不同的主要Linux OS发行版。 1.3.x系列针对CentOS7和SLES12，而2.x系列针对CentOS8和Leap15。 入门 OpenHPC通过存储库提供预构建的二进制文件，以与标准Linux软件包管理器工具（例如yum或zypper ）一起使用。 首先，您可以通过安装ohpc-release RPM在本地启用OpenHPC存储库，该ohpc-release包含用于软件包签名的gpg密钥，并定义[base]和[update]软件包存储库的URL位置。 还提供了针对每个受支持的预配置系统和资源管理器量身定制的安装指南，以及用于安装集群的详细示例说明。 oh

最近一段时间，有关超算的话题成为热门，一时间大家都开始讨论超算，各种浮于表面的吹牛，逼格负无穷的装逼。然而，冬瓜哥发现在所有这些讨论中，从没有在任何时间任何地点发现任何人问出就连小学生都经常问的问题：超算到底是怎么算的？不得不说是一件可悲的事情。

手动搭建HPC(高性能计算).docx 一般情况下不会采用手动的方式安装HPC，而是采用集成自动化方案来部署hpc，但是这些集成方案都是集成了指定的操作系统发行版本，比如常见的HPC集成自动化方案rockets,到目前为止集成

Game_of_Life Conway 生命游戏的 MPI 实现（UCSC AMS250 HPC 最终项目） 作者： Eric Gentry ( ; ) 版权所有 (c) 2015 根据 MIT 许可许可 ##主要目标 实现康威生命游戏的串行和并行版本 创建理论性能模型并使用经验运行时数据对其进行评估 ＃＃概述 可以在writeup/report_egentry.pdf找到方法和结果的writeup/report_egentry.pdf 可以在writeup/plots/animation.mp4找到进化的示例writeup/plots/animation.mp4 ＃＃跑步 要编译，请在主目录中运行make all 要运行，请在batch目录中查找示例 PBS 批处理脚本（您需要根据您的系统调整这些脚本） GoL_serial.cmd运行代码的示例串行版本 GoL_MPI.

udocker是一个基本的用户工具，可以在用户空间中执行简单的docker容器而无需root特权。 启用不可用dockerLinux系统中非特权用户下载和执行docker容器。 它可用于在由其他实体（例如网格基础结构或外部管理的批处理或交互式系统）管理Linux批处理系统和交互式集群中拉入和执行docker容器。 udocker不需要任何类型的特权，也不需要系统管理员部署服务。 最终用户可以完全下载和执行它。 udocker是一些工具的包装，这些工具可模仿docker功能的子集，包括拉取图像和运行功能最少的容器。 它是如何工作的 udocker是一个用Python编写的简单工具，它具有最少的依赖项集，因此可以在各种Linux系统中执行。 udocker不使用docker，也不需要它的存在。 udocker通过在提取的容器上简单地提供类似于chroot的环境来“执行”容器。 当前的实现支持模拟chroot的不同方法，从而可以在类似chroot的环境下执行容器而无需特权。 udocker透明地支持使用工具和库执行容器的几种方法，例如： 根 Fakechroot 运行 奇点 优点

梅林简介 Merlin是用于运行基于机器学习的工作流的工具。 Merlin的目标是使其易于构建，运行和处理认知仿真所需的各种大规模HPC工作流。 本质上，Merlin是一个分布式任务排队系统，旨在允许复杂的HPC工作流扩展到大量的模拟（我们已经在Sierra超级计算机上完成了1亿个）。 您为什么要运行那么多模拟？ 成为自己的大数据生成器。 这种大小的数据集可能足够大，可以训练可以模仿您的HPC应用程序的深度神经网络，用于诸如设计优化，不确定性量化和统计实验推断之类的事情。 梅林（Merlin）曾被用于研究惯性约束聚变，极紫外光的产生，结构力学和原子物理学等。 它是如何工作的？ 本质上，Merlin通过持久的外部队列服务器协调复杂的工作流，该服务器位于HPC系统外部，但可以与群集上的节点通信。 随着工作在整个生态系统中旋转，这些分配上的工作人员从中央服务器提取工作，该服务器协调您工

这是ＨＰＣ概述，是课件资源，主要描述的是ＨＰＣ的发展历史和平台发展情况。