OP2-Common 的安装和配置教程
2025-05-23 14:47:52作者:伍希望
项目基础介绍
OP2-Common 是一个开源项目,它是 OP2 框架的一部分。OP2 是一个用于编写在多核和多众核架构上自动并行化的非结构网格算法的高级嵌入式领域特定语言。该语言嵌入在 C/C++ 和 Fortran 中,使得开发者能够利用现有的编程知识和工具来开发高效的并行计算应用。
主要编程语言
- Python:用于编写代码转换器。
- C++:OP2 的运行时库主要使用 C++ 开发。
- Fortran:提供了 Fortran 的绑定支持。
项目使用的关键技术和框架
- 并行计算:利用多核和多众核架构进行自动并行化。
- 嵌入式领域特定语言(DSL):允许开发者使用熟悉的语言结构来描述算法,而无需关注底层的并行化细节。
- MPI(Message Passing Interface):用于在多节点上实现进程间的通信。
- Scotch 和 ParMETIS:用于网格划分的库。
- HDF5:用于支持高效的数据存储和访问。
准备工作
在开始安装之前,确保您的系统已安装以下依赖项:
- GNU Make 版本大于 4.2
- C/C++ 编译器:支持的编译器有 GCC、Clang、Cray、Intel、IBM XL 和 NVHPC。
- (可选)Fortran 编译器:支持的编译器有 GFortran、Cray、Intel、IBM XL 和 NVHPC。
- (可选)MPI 实现:支持带有
mpicc、mpicxx和mpif90包装器的任何实现。 - (可选)NVIDIA CUDA 版本大于 9.2
此外,以下库可能需要手动构建:
- (可选)(PT-)Scotch:用于 MPI 网格划分。
- (可选)ParMETIS:用于 MPI 网格划分,构建时需要 32 位索引并禁用
-DSCOTCH_PTHREAD。 - (可选)HDF5:用于 HDF5 I/O,可以构建支持或不支持 MPI 的版本。
安装步骤
- 克隆仓库到本地环境:
git clone https://github.com/OP-DSL/OP2-Common.git
- 根据您的编译器和系统环境,设置相应的环境变量。例如:
export OP2_COMPILER=gnu # 或者 cray, intel, xl, nvhpc
# 或者
export OP2_C_COMPILER=gnu
export OP2_C_CUDA_COMPILER=nvhpc
export OP2_F_COMPILER=gfortran
- 设置依赖库的安装路径(如果需要的话):
export PTSCOTCH_INSTALL_PATH=/path/to/ptscotch
export PARMETIS_INSTALL_PATH=/path/to/parmetis
export HDF5_SEQ_INSTALL_PATH=/path/to/hdf5-sequential
export HDF5_PAR_INSTALL_PATH=/path/to/hdf5-parallel
export CUDA_INSTALL_PATH=/path/to/cuda-toolkit
export NV_ARCH="Fermi,Kepler,Ampere"
- 在
op2目录下运行make config来验证编译器、库和编译标志:
cd OP2-Common/op2
make config
- 构建运行时库:
make -j$(nproc)
- 如果需要,构建示例应用程序:
cd ../apps/app-name
make -j$(nproc)
按照上述步骤操作,您应该能够成功安装和配置 OP2-Common 项目。如果在安装过程中遇到任何问题,请查阅项目文档或向项目维护者寻求帮助。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
192
211
暂无简介
Dart
632
143
React Native鸿蒙化仓库
JavaScript
243
316
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
481
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
649
271
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
297
111
仓颉编译器源码及 cjdb 调试工具。
C++
128
857
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
212