CUDA


CUDA w encyklopedii

Z Wikipedii, wolnej encyklopedii Przejdź do nawigacji Przejdź do wyszukiwania

CUDA (ang. Compute Unified Device Architecture) – opracowana przez firmę Nvidia uniwersalna architektura procesorów wielordzeniowych (głównie kart graficznych) umożliwiająca wykorzystanie ich mocy obliczeniowej do rozwiązywania ogólnych problemów numerycznych w sposób wydajniejszy niż w tradycyjnych, sekwencyjnych procesorach ogólnego zastosowania.

Spis treści

Architektura | edytuj kod

Integralną częścią architektury CUDA jest oparte na języku programowania C środowisko programistyczne wysokiego poziomu, w którego skład wchodzą m.in. specjalny kompilator (nvcc), debugger (cuda-gdb, który jest rozszerzoną wersją debuggera gdb umożliwiającą śledzenie zarówno kodu wykonywanego na CPU, jak i na karcie graficznej), profiler oraz interfejs programowania aplikacji. Dostępne są również biblioteki, które można wykorzystać w językach Python, Fortran, Java, C# oraz Matlab. Pierwsze wydanie środowiska współpracowało z systemami operacyjnymi Windows oraz Linux. Od wersji 2.0 działa również z Mac OS X.

Zalety | edytuj kod

  • Język programowania oparty na językach C/C++, w tym pełna obsługa szablonów C++.
  • Model pamięci procesora ściśle odpowiadający architekturze sprzętowej, co umożliwia świadome, efektywne wykorzystywanie dostępnych zasobów GPU, w tym pamięci współdzielonej. Pamięć ta jest współdzielona przez wszystkie wątki w tzw. bloku (zwykle 128-512 wątków). Można jej używać jako programowalnej pamięci typu cache.
  • Kod uruchamiany na GPU może odczytywać i zapisywać dane z dowolnego adresu w pamięci GPU.
  • Pełna kompatybilność programów – napisany dziś program wykonywalny ma w przyszłości działać bez żadnych zmian na coraz wydajniejszych procesorach graficznych posiadających coraz większą liczbę rdzeni, rejestrów, pamięci operacyjnej i innych zasobów.
  • Dostępność na wszystkich kartach firmy NVIDIA począwszy od serii GeForce 8 w tym Quadro oraz Tesla[1].
  • Obsługa procesorów ARM (od wersji 6.5)
  • Obecnie nawet starsze laptopy, często mają kartę graficzną zawierającą rdzenie CUDA(2018)[2].

Ograniczenia | edytuj kod

  • CUDA korzysta z podzbioru języka C++. Nie można na przykład definiować statycznych zmiennych wewnątrz funkcji, a funkcje mogą mieć tylko stałą liczbę parametrów[3].
  • Dla liczb zmiennoprzecinkowych podwójnej precyzji (dostępnych w nowszych procesorach) istnieją pewne odstępstwa od standardu w zakresie zaokrąglania liczb.
  • Przepustowość i opóźnienia magistrali PCI-Express łączącej CPU i GPU mogą być wąskim gardłem w przypadku przesyłania dużej ilości danych.
  • CUDA jest dostępna jedynie dla kart graficznych produkowanych przez firmę NVIDIA

Zastosowania | edytuj kod

W grach komputerowych moc obliczeniową można wykorzystać do obliczeń fizyki w grach, ale CUDA jest również wykorzystywana do przyspieszania obliczeń w takich dziedzinach jak biologia, fizyka, kryptografia i inne obliczenia inżynierskie. Dla potrzeb tego segmentu Nvidia opracowała specjalny procesor graficzny Tesla.

Niektóre projekty przetwarzania rozproszonego BOINC wykorzystują do obliczeń architekturę CUDA[5][6].

Wersja 3.x | edytuj kod

Kolejna wersja architektury CUDA (CUDA 3.0) obsługuje procesory graficzne o architekturze Fermi. Cuda 3.0 zapewnia pełniejsze wsparcie dla konstrukcji języka C++ (m.in. jednolitą przestrzeń adresową dla wskaźników, obsługę dziedziczenia, a od wersji 3.1 – funkcji rekurencyjnych i wskaźników na funkcje). Cuda 3.0 umożliwia wykonywanie kilkunastu kerneli jednocześnie na jednym GPU (o architekturze Fermi). Wraz z nową generacją procesorów Nvidia udostępniła wsparcie dla środowiska Visual Studio 2008[7].

Zobacz też | edytuj kod

Przypisy | edytuj kod

  1. Lista kart graficznych wspieranych przez CUDA
  2. The NVIDIA® GeForce® 310M GPUs delivers great performance and amazing multimedia capabilities. | GeForce, www.geforce.com [dostęp 2018-12-05]  (ang.).
  3. CUDA C Programming Guide
  4. http://www.optitex.com/images/downloads/Nvidia_CUDA_SS_OptiTex_FINAL.pdf
  5. Liczenie na GPU (lista projektów i kart)
  6. GPU computing – BOINC
  7. NVIDIA Parallel Nsight

Linki zewnętrzne | edytuj kod

Kontrola autorytatywna (język programowania):
Na podstawie artykułu: "CUDA" pochodzącego z Wikipedii
OryginałEdytujHistoria i autorzy