Személyes blog - számítógépezés grafikus processzorok, a klub dns szakértők
Számítást GPU
CUDA SDK lehetővé teszi a programozók, hogy végre egy különleges, egyszerűsített dialektusa a C programozási nyelv algoritmusok futtatható NVIDIA GPU és tartalmazzák sajátosságai a program szövegében C. CUDA segítségével a fejlesztők a mérlegelési szervezni a hozzáférést egy sor utasítást és grafikus gyorsító vezérlő emlékét, célszerű szervezni a komplex párhuzamos számítási.
Az ok, amiért a GPU-gyártók nem találkozik ez a probléma nagyon egyszerű: a központi processzorok számára maximális teljesítményt a használati patak, amely kezeljük különböző adatokat is (az egész és lebegőpontos számok), készítsen egy véletlen hozzáférésű memória, és így tovább. d. Eddig a fejlesztők igyekeznek nagyobb párhuzamossága útmutató - azaz, hogy végezze el a lehető legtöbb utasítást párhuzamosan. Például a Pentium jött szuperskaláris végrehajtását, hogy bizonyos körülmények lehetett végrehajtani két utasítást egy órajel ciklusra. Pentium Pro volt a rendkívüli teljesítménye utasítások munkájának optimalizálása számítási egység. A probléma az, hogy a párhuzamos végrehajtás szekvenciális utasítás áramot nyilvánvaló korlátai, így számának növelése vak számítási egység nem ad nyereményt, mert az idő nagy részében még mindig tétlen.
GPU munka viszonylag egyszerű. Ez abban áll, hogy egy csoport sokszögek egyrészt generáló, pixel csoportot a másik. A sokszögek és pixelek egymástól független, így lehet feldolgozni párhuzamosan. Így a GPU tud jelölni egy nagy részét a kristály a számítási egység, amely ellentétben a CPU, akkor is lehet használni.
GPU eltér a CPU nem csak ezt. Memória-hozzáférés a GPU nagyon rokon - ha a texel olvassuk, majd néhány ciklus lesz olvasható szomszédos texel; ha a pixel rögzítve van, néhány órajellel van rögzítve szomszédos. Intelligens szervező a memóriát, akkor kap a teljesítmény közel van az elméleti kapacitás. Ez azt jelenti, hogy a GPU, szemben a CPU, nem kell egy hatalmas cache, mivel a szerepe az, hogy felgyorsítsa állományjavító műveleteket. Minden úgy van néhány kilobyte, amely több texel használt bilineáris és trilinear szűrőket.
Az első számítások a GPU
Alkalmazások párhuzamos számítások GPU
Amikor átadja a számítástechnikai a GPU, a sok probléma érhető el 5-30 gyorsítási idő, míg egy gyors univerzális processzorok. A legtöbb (nagyságrendileg 100-szor gyorsabb, vagy még többet!) Sikerült elérni a kódot, ami nem nagyon jól illeszkednek a számítást SSE egység, de ez alkalmas GPU.
Ez csak néhány példa a szintetikus gyorsítást a GPU kódot a SSE-vektoros kódot a CPU (az NVIDIA):
• Fluoreszcens mikroszkópia: 12x.
• Molekuláris dinamika (nem-kötött erő számított): 8-16x;
• Elektrosztatika (közvetlen és többszintű összegzése Coulomb): 40-120x és 7x.
Táblázat, amely az NVIDIA, megmutatja az összes előadások, ami azt mutatja, a relatív sebesség GPU központi.
Előnyei és korlátai CUDA
A programozó szemszögéből, a grafika csővezeték egy sor feldolgozási lépések. geometria egység generál háromszögek és a raszterizációs egység - a pixelek jelennek meg a monitoron. A hagyományos modellje GPGPU programozás a következő:
CUDA előnnyel rendelkezik a hagyományos megközelítést GPGPU számítási
NVDIA CUDA a magyar tudományos közösség.