Évaluer l’accélération GPU pour les modèles financiers

Les pools équipés de GPU peuvent accélérer les modèles financiers qui effectuent suffisamment de travail numérique parallèle pour compenser les coûts de transfert et d’initialisation des données. Un modèle ne bénéficie pas d’un GPU uniquement parce que ses essais de simulation s’exécutent de manière indépendante. Profilez le calcul avant de changer le pool.

Identifier un calcul approprié

Un GPU est plus susceptible d’aider lorsque le modèle :

• Applique les mêmes opérations numériques sur de grands tableaux de scénarios ou de chemins.
• Il y a assez de travail par tâche pour occuper le GPU.
• Transmet une petite quantité de données par rapport à la quantité de calcul.
• Utilise un framework ou une implémentation qui prend déjà en charge le temps d’exécution du GPU cible.

Un pool de processeurs peut être plus efficace lorsque les tâches sont courtes, comportent de nombreux branchements, transfèrent de grands ensembles de données ou passent le plus clair de leur temps à lire depuis le stockage.

Comparer les configurations

Utilisez la même version de modèle, les mêmes entrées, le nombre de partitions et les mêmes critères de validation pour chaque benchmark. Comparaison :

• Allocation du pool et temps d’initialisation des nœuds.
• Temps d’initialisation du modèle et du pilote.
• Durée et débit de la tâche.
• Taux d’échec et de réessayage.
• Coût total de la VM par exécution terminée et validée.

Commencez avec un petit pool et confirmez les résultats numériques par rapport à l’implémentation du CPU. Différentes bibliothèques matérielles ou numériques peuvent produire de petites différences en virgule flottante, il faut donc définir des tolérances acceptables avant le test.

Préparez un pool de GPU

Utilisez une taille de machine virtuelle (VM) prenant en charge les GPU avec une image qui fournit les pilotes NVIDIA requis. Choisissez une image Place de marché Azure préconfigurée ou installez les pilotes dans une image personnalisée. Ne transférez pas les noms d’images, les versions de pilotes ou les versions CUDA d’anciens échantillons sans valider le support actuel.

Pour les besoins actuels en pool et les exemples, voir Utiliser les tailles de VM compatibles GPU dans un pool Batch.

Les machines virtuelles GPU peuvent avoir une capacité régionale limitée et des exigences de quotas distinctes. Consultez la planification des capacités par lot avant de programmer une série de production.

Étape suivante