7月19日上午，由华东师范大学研究生院和数据科学与工程学院联合主办的第五届数据科学与工程暑期学校（DaSESS2018）开幕式在华东师范大学中北校区举行，近300名学生参加了开幕式。
华东师范大学数据科学与工程暑期学校（Data Science and Engineering Summer School,简称为DaSESS）是汇聚创新要素，开展合作交流，探讨大数据应用中的各类科学、技术和工程实现问题的重要形式。自2014年首次举办以来，得到了上海市教委学位办公室以及学校研究生院等部门的大力支持，学员规模逐年扩大。每届暑期学校力邀海内外知名专家主讲课程，并组织业内顶尖学者及企业界人士参与研讨交流，为学生与大师提供面对面的机会，在学术界、企业界具有很好的口碑。
本次暑期学校针对CPU-GPU并存的异构体系有望成为未来主流的处理器硬件架构这一趋势，开展主题为“面向异构体系结构的数据管理”的研讨。开幕式由数据科学与工程学院院长钱卫宁教授主持。研究生院培养办公室主任陈灵犀老师到场祝贺并致欢迎辞。华东师范大学数据学院创院院长、副校长周傲英教授为同学们介绍了本次暑期学校的主题及举办初衷。
开幕式结束后，国防科技大学计算机学院的窦勇教授为我们带来了第一场主题报告—异构体系结构与算法优化技术。
窦教授从现代计算机的发展历史着手，介绍了GPU以及异构计算的发展趋势。随着CPU+GPU异构融合架构的应用，GPU在超算领域中发挥了越来越重要的作用。在人工智能领域有三大支柱，分别是计算能力、数据以及模型算法。人工智能的快速发展，使得计算陷入了瓶颈，这促使科学家们尝试借鉴GPU在超算领域的经验，将其引入人工智能。相较于CPU，GPU具有准确性更高、耗时更少、功耗更低的特性，大幅度降低了计算成本。窦老师指出，异构融合系统结构将是高性能计算机的首选。
接着，窦老师从GPU架构、并行执行模型以及CUDA（Compute Unified Device Architecture，统一计算架构）编程等方面深度剖析了基于异构体系结构的算法优化难点。窦教授用通俗易懂地给大家讲解了CPU和GPU在架构方面的本质区别。同样的芯片面积，CPU拥有着大容量缓存，而GPU则拥有较多的计算单元。谈到共享内存和全局内存分配时，窦老师用图示为大家展示了清晰的函数调用关系。窦教授强调，基于GPU实现算法优化，关键要管理好共享内存以及全局内存的使用。进行GPU优化的前提，要先将程序在CPU上调至最优。
精彩的报告吸引了参会学者、专家们的热烈掌声。也有部分听众结合自己的研究课题向窦老师请教了一些GPU相关的问题，涉及分布式的资源调度、SIMD等相关知识。
随着软硬件的发展以及数据规模的扩大，异构体系结构将会得到越来越广泛的应用。正如窦老师所言，我们不要因为觉得GPU的架构复杂就回避它，CPU的结构其实更为复杂。作为数据科学与工程学院的学生，我们要迎难而上。一方面，我们需要顺势而行，学习、研究异构体系结构，并结合相关的应用需求来设计合适的架构；另一方面，我们应当充分了解硬件知识，结合硬件特性来优化算法，优化软件技术，使得应用性能最大化。
撰稿：储佳佳
排版：刘婷婷
