Otras noticias
Otras noticias
Nvidia, la empresa responsable de cuOpt, presenta mPDLP para repartir problemas de optimización entre varias GPU conectadas mediante NVLink. El nuevo desarrollo amplía el algoritmo de una herramienta que ya existía.
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
En resumen
- Según Nvidia, mPDLP distribuye el cálculo entre varias GPU.
- Según Nvidia, el reparto procura mantener juntos los datos relacionados para reducir las comunicaciones.
- Según Nvidia, la mejora depende del tamaño y de la estructura del problema.
mPDLP, el nuevo método de cuOpt
Según Nvidia, los grandes problemas de planificación pueden tardar horas en resolverse o superar la memoria de una GPU. mPDLP reparte ese trabajo para reducir el tiempo de resolución y la memoria necesaria en cada dispositivo.
Según Nvidia, la clave está en cómo se distribuyen los datos: el algoritmo procura mantener en la misma GPU los que están estrechamente relacionados. Así reduce los intercambios entre dispositivos durante los cálculos sucesivos.
Según Nvidia, el beneficio tiene límites. En problemas pequeños, las esperas de sincronización y las transferencias pueden pesar más que la ventaja de trabajar en paralelo. Además, cuando el reparto obliga a intercambiar demasiados datos, la aceleración puede desaparecer o convertirse en una ralentización.
Conclusión
Según Nvidia, añadir GPU exige un reparto que limite las comunicaciones para que el cálculo en paralelo compense.
Fuentes primarias
Recibe el resumen diario de IA
Cada mañana, lo esencial de la inteligencia artificial en tu correo, sin humo. Al día con la IA.
Al suscribirte aceptas recibir el newsletter de AI Informator. Puedes darte de baja cuando quieras.
Comentarios