Grappa 技术文档
本文档将详细介绍 Grappa 的安装指南、使用说明以及项目 API 使用方法,帮助用户更好地使用和理解这个项目。
1. 安装指南
Grappa 是一个运行时系统,用于在通用集群上扩展不规则应用程序。它是一个 PGAS 库和运行时系统,允许你编写在分布式内存计算机上运行的全球视图 C++11 代码。
要构建 Grappa,你需要在 64 位 Linux 系统上安装以下依赖项:
- 构建系统
- Ruby >= 1.9.3
- CMake >= 2.8.12
- 编译器
- GCC >= 4.7.2(我们依赖于仅在 4.7.2 及更新版本中存在的 C++11 特性)
- 或者:Clang >= 3.4
- 外部依赖
- MPI(必须支持 MPI-3)
- OpenMPI >= 1.7.4
- MVAPICH2 >= 1.9
- MPICH >= 3.1
- Intel MPI >= 5.0.2.044
- MPI(必须支持 MPI-3)
配置脚本会自动处理一些其他依赖项。如果你需要为特定系统覆盖默认行为,请参阅 BUILD.md。
此外,我们的测试和运行脚本默认使用 Slurm 作业管理器。如果你使用其他 MPI 启动器运行作业,则需要自己设置必要的环境变量。请参阅 doc/running.md 了解更多信息。
快速开始
确保你已经安装了上述依赖项,然后检出代码:
git clone git@github.com:uwsampa/grappa.git
如果你没有设置 GitHub 密钥并遇到认证错误,可以尝试使用 HTTP URL:
git clone http://github.com/uwsampa/grappa.git
然后下载 Grappa 的第三方依赖项:grappa-third-party-downloads.tar。
现在构建 Grappa 和 hello world:
cd grappa
./configure --third-party-tarfile=<完整路径到/grappa-third-party-downloads.tar>
cd build/Make+Release
make demo-hello_world
现在你应该有一个可以作为 MPI 作业启动的二进制文件。如果你的系统上安装了 Slurm,你可能能够这样运行作业:
srun --nodes=2 --ntasks-per-node=2 -- applications/demos/hello_world/hello_world.exe
如果这不起作用,请使用你的系统上启动 MPI 作业所需的命令。
2. 使用说明
要运行 Grappa 的所有测试(这是一个漫长的过程),在 使用 Slurm 作业管理器的系统上,执行 make check-all-pass。有关测试的更多信息,请参阅 doc/testing.md。
3. 项目 API 使用文档
关于 Grappa 的设计和使用,你可以通过以下四种方式了解更多:
- 阅读存储库中
doc/tutorial目录下的教程。在doc/目录中了解关于运行作业、调试、跟踪以及其他底层功能的更多信息。 - 查看托管在 grappa.io/doxygen 的自动生成 API 文档,或者按照 BUILD.md 中的说明自行构建。
- 阅读我们的论文,可在 Grappa 网站上找到。
4. 项目安装方式
Grappa 还可以通过以下方式尝试,而无需自行安装:
- grappa-docker:Grappa 的 Docker 容器
- grappa-starcluster:Grappa 在亚马逊云中的部署
如果你有任何问题,可以通过在 GitHub 上提交问题来获得帮助:通过保持问题的集中,我们可以确保答案对所有人来说都容易找到。查看之前讨论过的问题,请访问:https://github.com/uwsampa/grappa/issues?labels=question。如果你的问题尚未得到解答,请在那里提交一个问题!
Grappa 开发者通过在 cs.washington.edu 托管的 grappa-dev 邮件列表进行交流。我们欢迎各种贡献,包括核心软件和应用。如果你考虑做出贡献,请与我们联系!
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
yuanrongopenYuanrong runtime:openYuanrong 多语言运行时提供函数分布式编程,支持 Python、Java、C++ 语言,实现类单机编程高性能分布式运行。Go051
pc-uishopTNT开源商城系统使用java语言开发,基于SpringBoot架构体系构建的一套b2b2c商城,商城是满足集平台自营和多商户入驻于一体的多商户运营服务系统。包含PC 端、手机端(H5\APP\小程序),系统架构以及实现案例中应满足和未来可能出现的业务系统进行对接。Vue00
ebook-to-mindmapepub、pdf 拆书 AI 总结TSX01