CUDA
CUDA is 'n platform vir parallelle verwerking en 'n programmeeerkoppelvlak (API) wat deur Nvidia geskep is.[1] Dit stel 'n programmeerder in staat om 'n grafikaverwerker (ook GPU vir Graphics Processing Unit) te gebruik vir algemene verwerking – 'n benadering bekend as GPGPU (General Purpose Graphics Processing Unit). Die CUDA-platform is sagteware wat direkte toegang gee tot die grafikaverwerker se virtuele instruksiestel en vermoëns vir parallele verwerking.[2]
Die CUDA-platform word ontwerp om te werk met programmeertale soos C, C++ en Fortran. Dit maak dit makliker om die vermoëns van die grafikaverwerker te gebruik vergeleke met vorige benaderings soos Direct3D en OpenGL wat vaardighede in grafikaprogrammering vereis. Die CUDA SDK en drywers is op 15 Februarie 2008 vrygestel. Die naam CUDA was aanvanklik 'n afkorting in Engels vir: "Compute Unified Device Architecture"), maar NVIDIA het sedertdien die gebruik van die akroniem laat vaar.
Voordele
[wysig | wysig bron]- 'n Programmeertaal wat baie dieselfde is as ANSI C, met 'n paar nuwe funksies om spesifieke take op die grafikaverwerker te verrig
- Vinnige gedeelde geheue
- Volledige steun vir heelgetalbewerkings, insluitend bisgewyse bewerkings
Beperkings
[wysig | wysig bron]- CUDA ondersteun nie die volle C- of C++-standaarde nie
- C++ se Run-Time Type Information (RTTI) word nie ondersteun in CUDA-modus nie
- Die hantering van uitsonderings (exceptions) is nie moontlik nie
- Versoenbaarheid met grafikatale soos OpenGL is beperk
- Die kopiëring van geheue tussen die gasheerrekenaar en die toestel se geheue kan werkverrigting vertraag
- Anders as met OpenCL is grafikaverewerkers met CUDA-steun slegs van Nvidia beskikaar
- Geen emulator of terugvalfunksionalilteit is beskikbaar vir moderne weergawes nie
Hardeware benodig
[wysig | wysig bron]CUDA kan slegs loop op sekere grafikaverwerkers wat CUDA steuun. Sedert CUDA bekendgestel is, het nuwe grafikaverwerkers wat Nvidia maak steun vir CUDA. Daar is verskillende vlakke van CUDA-steun, met nuwer verwerkers wat nuwer weergawes van die CUDA-funksionaliteit ondersteun. Dié tabel kan moontlik verouderd wees. Sien gerus ook Nvidia se dokumentasie.
| Compute Capability (weergawe) |
Mikroargitektuur | Grafikaverwerkers | GeForce | Quadro | Tesla | Tegra |
|---|---|---|---|---|---|---|
| 1.0 | Tesla | G80 | GeForce 8800 Ultra, GeForce 8800 GTX, GeForce 8800 GTS(G80) | Quadro FX 5600, Quadro FX 4600, Quadro Plex 2100 S4 | Tesla C870, Tesla D870, Tesla S870 | |
| 1.1 | G92, G94, G96, G98, G84, G86 | GeForce GTS 250, GeForce 9800 GX2, GeForce 9800 GTX, GeForce 9800 GT, GeForce 8800 GTS(G92), GeForce 8800 GT, GeForce 9600 GT, GeForce 9500 GT, GeForce 9400 GT, GeForce 8600 GTS, GeForce 8600 GT, GeForce 8500 GT, GeForce G110M, GeForce 9300M GS, GeForce 9200M GS, GeForce 9100M G, GeForce 8400M GT, GeForce G105M | Quadro FX 4700 X2, Quadro FX 3700, Quadro FX 1800, Quadro FX 1700, Quadro FX 580, Quadro FX 570, Quadro FX 470, Quadro FX 380, Quadro FX 370, Quadro FX 370 Low Profile, Quadro NVS 450, Quadro NVS 420, Quadro NVS 290, Quadro NVS 295, Quadro Plex 2100 D4, Quadro FX 3800M, Quadro FX 3700M, Quadro FX 3600M, Quadro FX 2800M, Quadro FX 2700M, Quadro FX 1700M, Quadro FX 1600M, Quadro FX 770M, Quadro FX 570M, Quadro FX 370M, Quadro FX 360M, Quadro NVS 320M, Quadro NVS 160M, Quadro NVS 150M, Quadro NVS 140M, Quadro NVS 135M, Quadro NVS 130M, Quadro NVS 450, Quadro NVS 420, Quadro NVS 295 | |||
| 1.2 | GT218, GT216, GT215 | GeForce GT 340*, GeForce GT 330*, GeForce GT 320*, GeForce 315*, GeForce 310*, GeForce GT 240, GeForce GT 220, GeForce 210, GeForce GTS 360M, GeForce GTS 350M, GeForce GT 335M, GeForce GT 330M, GeForce GT 325M, GeForce GT 240M, GeForce G210M, GeForce 310M, GeForce 305M | Quadro FX 380 Low Profile, NVIDIA NVS 300, Quadro FX 1800M, Quadro FX 880M, Quadro FX 380M, NVIDIA NVS 300, NVS 5100M, NVS 3100M, NVS 2100M, ION | |||
| 1.3 | GT200, GT200b | GeForce GTX 295, GTX 285, GTX 280, GeForce GTX 275, GeForce GTX 260 | Quadro FX 5800, Quadro FX 4800, Quadro FX 4800 for Mac, Quadro FX 3800, Quadro CX, Quadro Plex 2200 D2 | Tesla C1060, Tesla S1070, Tesla M1060 | ||
| 2.0 | Fermi | GF100, GF110 | GeForce GTX 590, GeForce GTX 580, GeForce GTX 570, GeForce GTX 480, GeForce GTX 470, GeForce GTX 465, GeForce GTX 480M | Quadro 6000, Quadro 5000, Quadro 4000, Quadro 4000 for Mac, Quadro Plex 7000, Quadro 5010M, Quadro 5000M | Tesla C2075, Tesla C2050/C2070, Tesla M2050/M2070/M2075/M2090 | |
| 2.1 | GF104, GF106 GF108, GF114, GF116, GF117, GF119 | GeForce GTX 560 Ti, GeForce GTX 550 Ti, GeForce GTX 460, GeForce GTS 450, GeForce GTS 450*, GeForce GT 640 (GDDR3), GeForce GT 630, GeForce GT 620, GeForce GT 610, GeForce GT 520, GeForce GT 440, GeForce GT 440*, GeForce GT 430, GeForce GT 430*, GeForce GT 420*, GeForce GTX 675M, GeForce GTX 670M, GeForce GT 635M, GeForce GT 630M, GeForce GT 625M, GeForce GT 720M, GeForce GT 620M, GeForce 710M, GeForce 610M, GeForce 820M, GeForce GTX 580M, GeForce GTX 570M, GeForce GTX 560M, GeForce GT 555M, GeForce GT 550M, GeForce GT 540M, GeForce GT 525M, GeForce GT 520MX, GeForce GT 520M, GeForce GTX 485M, GeForce GTX 470M, GeForce GTX 460M, GeForce GT 445M, GeForce GT 435M, GeForce GT 420M, GeForce GT 415M, GeForce 710M, GeForce 410M | Quadro 2000, Quadro 2000D, Quadro 600, Quadro 410, Quadro 4000M, Quadro 3000M, Quadro 2000M, Quadro 1000M, NVS 5400M, NVS 5200M, NVS 4200M | |||
| 3.0 | Kepler | GK104, GK106, GK107 | GeForce GTX 770, GeForce GTX 760, GeForce GT 740, GeForce GTX 690, GeForce GTX 680, GeForce GTX 670, GeForce GTX 660 Ti, GeForce GTX 660, GeForce GTX 650 Ti BOOST, GeForce GTX 650 Ti, GeForce GTX 650, GeForce GTX 880M, GeForce GTX 780M, GeForce GTX 770M, GeForce GTX 765M, GeForce GTX 760M, GeForce GTX 680MX, GeForce GTX 680M, GeForce GTX 675MX, GeForce GTX 670MX, GeForce GTX 660M, GeForce GT 750M, GeForce GT 650M, GeForce GT 745M, GeForce GT 645M, GeForce GT 740M, GeForce GT 730M, GeForce GT 640M, GeForce GT 640M LE, GeForce GT 735M, GeForce GT 730M | Quadro K5000, Quadro K4200, Quadro K4000, Quadro K2000, Quadro K2000D, Quadro K600, Quadro K420, Quadro K500M, Quadro K510M, Quadro K610M, Quadro K1000M, Quadro K2000M, Quadro K1100M, Quadro K2100M, Quadro K3000M, Quadro K3100M, Quadro K4000M, Quadro K5000M, Quadro K4100M, Quadro K5100M | Tesla K10, GRID K340, GRID K520 | |
| 3.2 | GK20A | Tegra K1 | ||||
| 3.5 | GK110, GK208 | GeForce GTX TITAN Z, GeForce GTX TITAN Black, GeForce GTX TITAN, GeForce GTX 780 Ti, GeForce GTX 780, GeForce GT 640 (GDDR5), GeForce GT 630 v2, GeForce GT 730, GeForce GT 720, GeForce GT 710,GeForce GT 740M (64-bit, DDR3) | Quadro K6000, Quadro K5200 | Tesla K40, Tesla K20x, Tesla K20 | ||
| 3.7 | GK210 | Tesla K80 | ||||
| 5.0 | Maxwell | GM107, GM108 | GeForce GTX 750 Ti, GeForce GTX 750, GeForce GTX 960M, GeForce GTX 950M, GeForce 940M, GeForce 930M, GeForce GTX 860M, GeForce GTX 850M, GeForce 845M, GeForce 840M, GeForce 830M | Quadro K2200, Quadro K1200, Quadro K620, Quadro M2000M, Quadro M1000M, Quadro M600M, Quadro K620M | ||
| 5.2 | GM200, GM204, GM206 | GeForce GTX TITAN X, GeForce GTX 980 Ti, GeForce GTX 980, GeForce GTX 970, GeForce GTX 960, GeForce GTX 950, GeForce GTX 750 SE, GeForce GTX 980M, GeForce GTX 970M, GeForce GTX 965M | Quadro M6000 24GB, Quadro M6000, Quadro M5000, Quadro M4000, Quadro M2000, Quadro M5500, Quadro M5000M, Quadro M4000M, Quadro M3000M | Tesla M4, Tesla M40, Tesla M6, Tesla M60 | ||
| 5.3 | GM20B | Tegra X1 | ||||
| 6.0 | Pascal | GP100 | Tesla P100 | |||
| 6.1 | GP102, GP104, GP106 | NVIDIA TITAN X, GeForce GTX 1080, GTX 1070, GTX 1060 | Quadro P6000, Quadro P5000 | |||
| 6.2 | ||||||
| 7.0 | Volta | |||||
| 7.1 |
'*' - Slegs "OEM"-produkte
Physx
[wysig | wysig bron]Nvidia het vir Ageia vroeg in 2008 oorgekoop om hul Physx-enjin oor te skryf om met CUDA op die grafikaverwerker te loop. Dit beteken dat alle rekenaarspeletjies wat die Physx-aandrywer bevat, dan deur die grafikaverwerker versnel sal word sonder enige verandering aan die speletjie se kode. Volgens Nvidia is die proses om die Physx-enjin oor te skryf, byna klaar. Die spoed waarteen die projek voltooi gaan word, is 'n aanduiding van hoe maklik dit is om met CUDA te programmeer. Nvidia het 'n demonstrasie gehou met die Physx-enjin wat 60 000 partikels simuleer.
Spoedvoordeel bo SVE's
[wysig | wysig bron]Daar is geen spoedvoordeel of -nadeel van CUDA en ander GPGPU-tegnologie nie, maar wanneer mens dit vergelyk met die spoed van die SVE is die CUDA-implementering 15 tot 20 keer die spoed van 'n gedemonstreerde Intel Nehalem SVE wat teen 3,2 GHZ loop met 4 kerns. Die Intel-demonstrasie het gewys hoe hy 50 000 tot 60 000 partikels simuleer teen 15-20 RPS (rame per sekonde), by 'n latere demonstrasie deur Nvidia het hulle 'n soortgelyke partikelsimulasie met dieselde getal partikels vertoon wat teen 300 RPS loop. Die spoedvoordeel is weens die aanwending van 'n groot aantal stroomverwerkers en baie drade (threads) om in parallel die simulasieberekeninge te doen. 'n SVE is geoptimaliseer om so min as moontlik vertraging met geheueskrywings en -lesings te hê, om so vinnig as moontlik 'n enkele draad te voltooi, waar 'n BVE geoptimaliseer is om 'n groot aantal ander drade te voltooi terwyl hy wag vir sy stadiger geheue om te skryf of te lees.
Verwysings
[wysig | wysig bron]- ↑ "NVIDIA CUDA-blad". Geargiveer vanaf die oorspronklike op 6 Januarie 2014. Besoek op 28 Julie 2016.
- ↑ Abi-Chahla, Fedy (18 Junie 2008). "Nvidia's CUDA: The End of the CPU?". Tom's Hardware. Besoek op 17 Mei 2015.
