咨询热线

400-008-8636

图片展示
图片展示

客户案例

解决方案

详细解读[什么是GPU计算]?

作者:林海天成科技 浏览:171 发表时间:2020-06-23 18:02:39 来源:林海天成科技

  GPU计算是利用GPU(图形处理单元)作为协处理器来加速通用科学和工程计算的cpu。


  GPU通过卸载一些计算密集和耗时的代码部分,加速了CPU上运行的应用程序。应用程序的其余部分仍在CPU上运行。从用户的角度来看,应用程序运行得更快,因为它使用GPU的大规模并行处理能力来提高性能。这就是所谓的“异构”或“混合”计算。


  一个CPU由四到八个CPU核组成,而GPU则由数百个较小的核组成。它们一起操作来处理应用程序中的数据。这种大规模的并行架构使GPU具有很高的计算性能。有许多GPU加速的应用程序提供了访问高性能计算(HPC)的简单方法。


  CPU和GPU的核心比较


  应用程序开发人员使用NVIDIA发明的名为“CUDA”的并行编程模型来利用并行GPU体系结构的性能。所有NVIDIA GPU-GeForce、Quadro和Tesla-都支持NVIDIA-CUDA并行编程模型。


  特斯拉GPU被设计为计算加速器或为科学和技术计算应用优化的配套处理器。最新的特斯拉20系列GPU基于CUDA平台的最新实现,称为“费米架构”。Fermi具有一些关键的计算特性,例如500+gigaflops的IEEE标准双精度浮点硬件支持、L1和L2缓存、ECC内存错误保护、以共享内存形式分散在GPU中的本地用户管理数据缓存、合并内存访问等等。


  GPU计算史


  图形芯片开始是固定功能的图形管道。多年来,这些图形芯片变得越来越可编程,这导致NVIDIA推出了第一个GPU。在1999-2000年期间,计算机科学家与医学成像和电磁学等领域的研究人员一起,开始使用gpu来加速一系列科学应用。这就是GPGPU(通用GPU计算)运动的出现。


  挑战在于GPGPU需要使用OpenGL和Cg等图形编程语言来编程GPU。开发人员必须使其科学应用程序看起来像图形应用程序,并将它们映射到绘制三角形和多边形的问题中。这限制了gpu在科学领域的巨大性能。


  英伟达意识到将这种性能带给更大科学界的潜力,并投资于修改GPU,使其完全可编程用于科学应用。此外,它还增加了对C、C++和FORTRAN等高级语言的支持。这就产生了用于GPU的CUDA并行计算平台。


详细解读[什么是GPU计算]?
长按图片保存/分享
0

相关推荐

产品中心

戴尔     华为

联想     浪潮

摩莎     超微

华三    光网视

MAXHUB

英伟达 

联系我们

座机:400-008-8636

手机:13911641588

微信:13911641588

技术QQ:535028700

公司地址:北京市海淀区彩和坊路天创科技大厦701A

京ICP备17025596号-1           Copyright ©2017 - 2020 北京林海天成科技有限公司             

可信用网站
安全联盟
阿里云
诚信网站