NVIDIA GPU

Il GPU Computing affianca una GPU (unità di elaborazione grafica) a una CPU per accelerare l'elaborazione delle applicazioni scientifiche e tecniche. Cinque anni fa NVIDIA ha esplorato prima questa soluzione. Da allora il GPU Computing è rapidamente diventato uno standard del settore, sfruttato da milioni di utenti di tutto il mondo e adottato da quasi tutti i vendor di computing.

Il GPU Computing offre prestazioni senza precedenti demandando le porzioni più impegnative dei calcoli di ogni applicazione alle GPU, mentre la parte restante del codice viene eseguita dalla CPU. Dal punto di vista dell'utente, l'unica differenza è che le applicazioni sono nettamente più rapide.

La combinazione di CPU e GPU è di straordinaria potenza perché le CPU hanno un numero di core contenuto e sono ottimizzate per l'elaborazione seriale, mentre le GPU hanno migliaia di core più piccoli ed efficienti progettati per l'elaborazione in parallelo. Le porzioni seriali del codice vengono eseguite sulla CPU mentre le porzioni parallele vengono eseguite sulla GPU.

Molti clienti sono in grado di sfruttare immediatamente la potenza del GPU Computing usando le applicazioni accelerate da GPU elencate nel nostro catalogo, che contiene oltre cento applicazioni leader del settore. Per quanto riguarda gli sviluppatori, il GPU Computing offre un vasto ecosistema di strumenti e librerie dei principali vendor di software.

Tutte le GPU NVIDIA, ovvero GeForce®, Quadro® e Tesla®, supportano il GPU Computing e il modello di programmazione in parallelo CUDA®. Gli sviluppatori hanno accesso alle GPU NVIDIA nella quasi totalità delle piattaforme disponibili, ad inclusione del recentissimo Apple MacBook Pro. Noi, comunque, raccomandiamo di usare le GPU Tesla per i carichi di lavoro caratterizzati da valori critici di affidabilità dei dati e prestazioni complessive. Consultare “Perché scegliere Tesla” per ulteriori dettagli.

Le GPU Tesla sono progettate dalle fondamenta per accelerare i carichi di lavoro del computing scientifico e tecnico. Basate sull’innovativa “architettura Kepler”, le nuovissime GPU Tesla offrono il triplo delle prestazioni rispetto all’architettura precedente, ovvero più di un teraflop di operazioni in virgola mobile e doppia precisione, oltre a migliorare nettamente la programmabilità e l’efficienza. Kepler è l’architettura HPC (computing a elevate prestazioni) più veloce ed efficiente al mondo. 

"Le GPU si sono evolute al punto che numerose applicazioni del mondo reale possono essere facilmente implementate ed eseguite su di esse in modo nettamente più rapido di quanto avviene sui tradizionali sistemi multi-core. Le future architetture di computing saranno sistemi ibridi con GPU a core paralleli che lavoreranno in tandem con CPU multi-core." 

Storia del GPU computing

All'inizio, i processori grafici erano semplici processori a funzione fissa, ma ben presto si sono evoluti in unità sempre più potenti dal punto di vista della capacità di calcolo e sempre più programmabili, situazione che ha poi portato NVIDIA a presentare la prima GPU. Negli anni 1999-2000, gli studiosi di informatica e i ricercatori di diversi campi hanno iniziato a utilizzare le GPU per accelerare una vasta gamma di applicazioni scientifiche. Questo ha costituito l'avvento del movimento definito GPGPU, o GPU Computing per finalità generali.

Questa soluzione ha permesso agli utenti di ottenere prestazioni senza precedenti (in certi casi oltre 100 volte superiori a quelle delle CPU). Il problema dell'elaborazione GPGPU, però, era costituito dalla necessità di utilizzare API di programmazione grafica come OpenGL e Cg per programmare la GPU. Questo requisito limitava la possibilità di sfruttare le eccezionali capacità delle GPU per scopi scientifici.

NVIDIA ha capito l'enorme opportunità creata dalla possibilità di offrire queste prestazioni alla comunità scientifica. L'azienda ha quindi investito nella realizzazione di GPU pienamente programmabili e in grado di offrire un'esperienza anche con linguaggi molto usati dagli sviluppatori come C, C++ e Fortran.

Il GPU Computing ha quindi iniziato a crescere con sempre maggiore forza. Oggi, alcuni dei supercomputer più veloci del mondo sono basati su GPU, 600 università di tutto il mondo offrono corsi sull'elaborazione in parallelo con GPU NVIDIA e centinaia di migliaia di sviluppatori utilizzano le GPU.

In questo sito utilizziamo i cookie per fornire la migliore esperienza di fruizione. Continuando la navigazione, acconsenti all'utilizzo. Privacy