Tesla

Akcelerowane obliczenia
Rozwiązując najważniejsze wyzwania stojące przed światem
Akcelerowane obliczenia - Rozwiązując najważniejsze wyzwania stojące przed światem

CZYM SĄ OBLICZENIA AKCELEROWANE NA UKŁADACH GPU?

Akcelerowane obliczenia na układach GPU to wykorzystanie procesora graficznego (układu GPU) wspólnie z jednostką CPU do akceleracji obliczeń w aplikacjach z dziedziny głębokiego uczenia, analityki i inżynierii. Wprowadzone w 2007 roku przez firmę NVIDIA akceleratory GPU wykorzystywane są obecnie w wydajnych energetycznie centrach danych w rządowych laboratoriach, na uczelniach, w przedsiębiorstwach oraz małych i średnich firmach na całym świecie. Odgrywają dużą rolę w przyspieszaniu działania aplikacji na wielu platformach, od sztucznej inteligencji po samochody, drony i roboty.

W JAKI SPOSÓB UKŁADY GPU AKCELERUJĄ DZIAŁANIE APLIKACJI

W obliczeniach akcelerowanych na GPU wymagająca obliczeniowo część zadań aplikacji przekazywana jest do wykonania na układach GPU, podczas gdy pozostała część kodu nadal jest wykonywana przez CPU. Z punktu widzenia użytkownika aplikacja działa po prostu znacznie szybciej.

How GPU Acceleration Works
 

Wydajność układów GPU a CPU

Prostym przykładem, aby zrozumieć różnicę pomiędzy układem CPU i GPU jest porównanie ich sposobu przetwarzania zadań. Jednostka CPU składa się z kilku rdzeni zoptymalizowanych pod kątem sekwencyjnego przetwarzania szeregowego, natomiast masowo równoległa architektura jednostki GPU składa się z tysięcy mniejszych, bardziej efektywnych rdzeni zaprojektowanych z myślą o przetwarzaniu wielu zadań jednocześnie.

 

Układy GPU posiadają tysiące rdzeni w celu efektywnego przetwarzania zadań równoległych

GPU Vs GPU: Which is better?

Obejrzyj poniższy materiał wideo, w zabawny sposób ukazujący różnice pomiędzy układami CPU i GPU

Obejrzyj poniższy materiał wideo, w zabawny sposób ukazujący różnice pomiędzy układami CPU i GPU
Wideo: Pogromcy mitów przedstawiają: GPU a CPU (01:34)

Dzięki temu, że akcelerowanych jest ponad 400 aplikacji HPC, włącznie z dziewięcioma z pierwszej dziesiątki, wszyscy użytkownicy układów GPU mogą doświadczyć znaczącego wzrostu wydajności w wykonywanych zadaniach. Dowiedz się, czy aplikacje z których korzystasz są akcelerowane przez układ GPU, sprawdzając to w naszym katalogu aplikacji (PDF 1,9 MB).

ROZPOCZNIJ JUŻ DZIŚ

Istnieją trzy podstawowe sposoby na dodanie akceleracji GPU do Twoich aplikacji:
  • Użycie zoptymalizowanych pod kątem GPU bibliotek
  • Dodanie „wskazówek” do kompilatora, aby automatycznie zrównoleglić kod
  • Wykorzystanie rozszerzeń do standardowych języków, jak C i Fortran

Nauka wykorzystania układów GPU z modelem programowania równoległego CUDA jest prosta.

W celu uzyskania darmowych kursów online i zasobów programistycznych prosimy o odwiedzenie strefy CUDA.

ODWIEDŹ STREFĘ CUDA

 
 
 
CUDA i obliczenia na GPU

Czym są obliczenia na GPU?
Fakty związane z obliczeniami
na układach GPU

Programowanie układów GPU
Architektura GPU Kepler
Obliczenia w chmurze
z użyciem GPU

Skontaktuj się z name

Czym jest CUDA?
Witryna CUDA
Szkolenia CUDA
Szkolenia CUDA
Centra szkoleniowe CUDA

Aplikacje wykorzystujące GPU

Aplikacje wykorzystujące GPU Tesla
Dyrektywy GPU OpenACC
Studia przypadku dotyczące
rozwiązań Tesla

Jednostki GPU Tesla dla
serwerów i stacji roboczych

Dlaczego warto wybrać
rozwiązania Tesla

Rozwiązania serwerowe Tesla
Rozwiązania Tesla dla
stacji roboczych

Kup jednostki GPU Tesla

Wiadomości i informacje
dotyczące jednostek Tesla

Materiały informacyjne o
produktach Tesla

Cechy oprogramowania Tesla
Narzędzia programistyczne Tesla
Badania NVIDIA
Powiadomienia Tesla

Znajdź nas Online

NVIDIA Blog Blog NVIDIA

Facebook Facebook

Twitter Twitter

Twitch Twitch

YouTube YouTube