Achelous 运行GPU 作业
GPU 提升生物信息分析的效率
随着深度学习计算框架在生物信息领域的应用实例不断增多，越来越多的新的应用，开始出现。但是深度计算框架涉及的矩阵计算，在一般CPU计算框架速度缓慢，因此需要通过GPU进行计算加速。
由于GPU运行配置相对复杂，因此在大规模任务调度时，往往存在一定的障碍。Achelous可以实现在GPU任务和CPU计算之间平滑过渡，更合理地利用集群计算资源。
用户可以通过运行GPU 任务——以 DeepVariant 为例 中的实例，了解如何在Achelous 平台上如何运行GPU 任务。
Achelous 支持基于GPU的各层次的计算服务
极道提供Partisaner 工具支持用户在容器中运行MPI/Tensorflow/Caffe2 的单机或者集群程序。这些任务可以作为普通Task 在WDL 中执行，并和其它Task 形成数据的输入输出关系。
应用实例：
| 项目名称 | 说明 | 项目地址 |
|---|---|---|
| Deepvariant | 目前已经在Achelous平台测试完成。其优势在于可以处理不同测序平台的数据。 | https://github.com/google/deepvariant |
| Clara Parabricks | 英伟达公司维护项目，这个项目中除了Call variants 之外，也有Single Cell、新冠病毒相关工具。 | https://github.com/clara-parabricks 扩展资料 https://developer.nvidia.com/blog/accelerating-single-cell-genomic-analysis-using-rapids/ |
| GUPPY | 三代测序 Nanopore数据处理工具。 | https://github.com/nanoporetech/pyguppyclient |
| CellBender | Broad 维护的单细胞测序数据处理工具。目的为消除数据噪音 | https://cellbender.readthedocs.io/en/latest/installation/index.html |
| RELION | 低温电镜（Cryo-EM）处理数据处理工具 | https://github.com/3dem/relion |