Efektywnie wykorzystana architektura NVIDIA CUDA pozwala na zbudowanie systemu komputerowego, którego potencjał w obliczeniach profesjonalnych i naukowych może równać się z tym, co oferują wielokrotnie droższe superkomputery.
CUDA (ang. Compute Unified Device Architecture) to technologia przetwarzania równoległego wykorzystująca wielordzeniową architekturę procesorów graficznych NVIDIA. Pozwala ona na wielokrotnie wydajniejsze przeprowadzanie obliczeń numerycznych niż w przypadku tradycyjnych procesorów CPU.
| Warto przeczytać: | |
Dlatego też tak wielkim zainteresowaniem cieszy się problematyka zastosowania produktów NVIDIA w obliczeniach profesjonalnych i naukowych. Wsparcie dla akceleracji sprzętowej opartej na CUDA znajdziemy między innymi w oprogramowaniu Adobe (przetwarzanie obrazu i wideo) czy sprzęcie do montażu wideo Blackmagic Design. Procesory graficzne NVIDIA stoją także za sukcesem produkcji filmowych pochodzących z Industrial Light & Magic (ILM). Ostatni rok to bardzo dynamiczny wzrost zainteresowania produktami NVIDIA.
Praktyczne zastosowania technologii komputerowych wykorzystujących CUDA cieszą się zainteresowaniem także w Polsce, a potwierdzeniem znaczenia polskich badaczy w tej dziedzinie jest odbywająca się właśnie w Krakowie na Akademii Górniczo Hutniczej (8-10 października) międzynarodowa konferencja poświęconej zastosowaniu systemów komputerowych w aplikacjach naukowych, profesjonalnych i przemysłowych - Computer Information Systems and Industrial Management Applications 2010 (CISIM).
Z zewnątrz nic szczególnego - ale wewnątrz kryje się spora moc obliczeniowa
Na otwarciu konferencji Michał Harasimiuk reprezentujący partnera NVIDIA, firmę Petapath przedstawił zalety wykorzystania procesorów graficznych NVIDIA Tesla oraz architektury CUDA w zastosowaniach naukowych i inżynieryjnych. Tytuł wykładu - „Jak zbudować superkomputer za 1/10 ceny” podkreśla opłacalność stosowania rozwiązań NVIDIA.
Układy NVIDIA Tesla są wykorzystywane między innymi przez Francuskie Laboratorium Informatyki, Robotyki i Mikroelektroniki w Montpellier. Pracuje ono nad interktywnymi robotami, które uczestniczą w operacjach na otwartym sercu. Dzięki wsparciu technologii CUDA potrafią one reagować w czasie rzeczywistym na procesy zachodzące w operowanym narządzie.
Robot Da Vinci do przeprowadzania operacji na otwartym sercu
Technologia przetwarzania równoległego CUDA pozwoli urządzeniom i robotom reagować także na bodźce wzrokowe podobnie jak człowiek. Przykładem jest opracowane przez firmę Binatix oprogramowanie HD-RNN (Hierarchical Deep Recurrent Neural Network). Wykorzystuje ono mechanizmy zbliżone to tych, na których oparta jest praca ludzkiego mózgu do wykrywania wzorców (pattern recognition) w dużych ilościach danych, na przykład w przetwarzanym w czasie rzeczywistym obrazie wideo. Umożliwia to wykrywanie ludzkich emocji, wyrazu twarzy, wykonywane czynności, itp. Urządzenia i roboty wykorzystujące to oprogramowanie będą mogły odpowiednio reagować zależnie od zarejestrowanych bodźców.
Dzięki technologii RealSpace opracowanej przez VisiSonics nasze problemy związane z ustawianiem systemu kina domowego będą mogły odejść w przeszłość. Specjalna kamera - Panoramic Audio Camera - dzięki wbudowanym 5 kamerom i 64 mikrofonom może rejestrować zarówno obraz jak i dźwięk w zakresie 360 stopni. Następnie oprogramowanie HRTF - RealSpace 3D pozwoli na odtworzenie zarejestrowanego wcześniej dźwięku w taki sposób, aby był odbierany przez mózg jako idealnie przestrzenny z wykorzystaniem klasycznego, dwukanałowego źródła (głośników lub słuchawek). Podczas odsłuchu możliwe jest zidentyfikowanie kierunku, z którego dochodzi dźwięk, a także odległości czy ruchu wirtualnego źródła dźwięku. Oczywiście opisane zastosowanie systemu RealSpace jest tylko jednym z wielu.
RealSpace Panoramic Audio Camera - mikrofony i kamery rozmieszczono na sferze o średnicy 20 centymetrów
Architektura CUDA doskonale sprawdza się także w czysto naukowych zastosowaniach jak obliczenia kwantowe związane z dynamiką molekularną, czyli numerycznym badaniu oddziaływań skomplikowanych związków chemicznych takich jak na przykład białka.
Na witrynie poświęconej CUDA możemy przekonać się ile razy prześpieszone zostaną obliczenia w danym zastosowaniu dzięki wykorzystaniu CUDA.
Źródło: Inf. wlasna
| Polecamy artykuły: | ||
| Przegląd rynku: obudowy PC | 5 x SSD i 1 x HDD - praktyczne testy dysków | 100 porad do Windows 7 |
 |  |  |
Komentarze
42http://www.nvidia.pl/object/cuda_apps_flash_new_pl.html
Co do samej TESLI to AMD też już ma swoją opcję do wykorzystywania GPU do obliczeń, może bez wielkich nazw i wielkiej promocji, ale już można zaprząc AMD do obliczeń renderu.
W ogóle to tempo rozwoju w tym kierunku jest nad wyraz powolne. Koncepcja ta powstała już jakieś 10-12 lat temu. Pamiętam jak właśnie nVidia która święciła w tamtym czasie triumfy, mówiła o tym ... "a czas płynął, płynął, bo lubi płynąć". Dopiero jak AMD dała pstryczka w nos nVidi, Ci zaczęli poważnie myśleć o promowaniu tego patentu, bo może okazać się on jedyną drogą ratunku dla nVidi.
Piszą że operacje wielokrotnie szybciej, ale nie spotkałem poza wikipedią, której dane są jakby czasem nie do końca z godne z rzeczywistościa, jaką moc posiadaja karty.
Szacunkowo rozpiętości mocy kart podaje się od np 34 do 900GB/s, no więc pytanie co mogę na danej karcie osiagnąć, i ile mocy (prądu) będzie to kosztować.
A już totalnie zamętu zrobił GT240, są do kupienia dwie wersje, z 8 i 16 potokami renderujacymi, i pytanie czy informacja na temat ilości tych jednostek jest równoznaczna z mocą obliczeniową CUDA?
I czy GT240 z ośmioma ma taką samą moc bliczeniową co karty GT220?
I kto ma te dane podawać, powinien raczyć nas tymi danymi producent karty, ale niestety tylko kilku producentów, czasami poda pobór mocy karty. A jeśli chodzi o możliwości CUDA to jest żenada :) Już nie wspomne o wersji CUDA z jaką karta może pracować, bo to by było chyba za dużo.
Dużo reklamy, ale mało precyzyjniejszych informacji umożliwiającej zakup karty, która będzie nam odpowiadać.
złożyć klaster z normalnych kompów