calcul parallèle

L'extension SIMD à C++ OpenMP dans Visual Studio

Soumis par fredericmazue le

Pour les développeurs qui recherchent la performance maximale dans leur calculs parallèle en C++ avec OpenMP, ce très intéressant billet sur le blog développeur de Microsoft détaille l'état de l'art de la prise en charge de l'instruction SIMD dans l'implémentation C++ OpenMP de Visual Studio.

Single Instruction on Multiple Data (instruction unique, données multiples), ou SIMD, désigne un mode de fonctionnement des ordinateurs dotés de capacités de parallélisme. Dans ce mode, la même instruction est appliquée simultanément à plusieurs données pour produire plusieurs résultats. (Wikipedia)

OpenMP SIMP a été introduit dans le standard OpenMP 4.0 et Visual Studio 2019 en propose une implémentation, dans le but de répondre aux exigences toujours plus grandes du machine learning en termes de calculs intensifs.

Ainsi Visual Studio 2019 permet d'annoter une boucle avec une directive OpenMP SIMD, de façons à ce que le compilateur vectorise la boucle autant que possible. Le compilateur respectant l'intention d'un développeur d'avoir plusieurs itérations de la boucle exécutées simultanément.

#pragma omp simd

for (i = 0; i < count; i++)
{
    a[i] = b[i] + 1;
}

La directive OpenMP SIMD peut recevoir plusieurs clauses afin d'améliorer encore la vectorisation :

  • simdlen(length)
  • safelen(length)
  • linear(list[ : linear-step])
  • aligned(list[ : alignment])
  • private(list)
  • lastprivate(list)
  • reduction(reduction-identifier : list)
  • collapse(n)

La directive OpenMP SIMD procure au développeur un moyen d'imposer au compilateur la vectorisation d'une boucle. Le compilateur est autorisé à ignorer la légalité apparente de cette vectorisation en acceptant la promesse d’exactitude du programmeur, précise de billet à découvrir absolument par tout développeur travaillant avec OpenMP sous Visual Studio.

GPU.js : exécuter du JavaScript sur le GPU de votre machine

Soumis par fredericmazue le

A découvrir absolument par les geeks, les amateurs de performances, ou les esprits curieux : GPU.js

GPU.js est une bibliothèque d'accélération JavaScript pour GPGPU (General Purpose computing on GPU). Cette bibliothèque compile votre code JavaScript en un langage de shader pour l'exécuter sur le GPU de votre machine et profiter ainsi de son accélération. S'il n'y a pas de GPU présent sur la machine, le code JavaScript est exécuté normalement.

Plus exactement ce sont chacune des fonctions de votre code JavaScript qui sont compilées en langage de shader. Chaque fonction devient un kernel (ou compute kernel) c'est-à-dire une routine compilée pour être exécutée sur un accélérateur.

Selon votre matériel, l'exécution de votre code peut être jusqu'à 15 fois plus rapide avec GPU.js que sans.

Soit un exemple de code dont le but est de multiplier 2 matrices de taille 512*512.

const gpu = new GPU();

const matMult = gpu.createKernel(function(a, b) {
    var sum = 0;
    for (var i = 0; i < 512; i++) {
        sum += a[this.thread.y][i] * b[i][this.thread.x];
    }
    return sum;
}).setOutput([512, 512]);

Ce code définit un kernel qui calcule un simple élément de la matrice. Ce code va être parallélisé sur le GPU pour calculer tous les éléments de la matrice... en parallèle.

On invoque alors le kernel ainsi :

const c = matMult(a, b);

a et b étant bien sûr les deux matrices à multiplier.

Il est possible de combiner les kernels. L'exemple ci-dessous définit des opérations mathématiques simple, addition et multiplication, puis les combine en un 'superkernel' qui effectue une multiplication sur le résultat d'une addition

const add = gpu.createKernel(function(a, b) {
           return a + b;
}).setOutput([20]);
 
const multiply = gpu.createKernel(function(a, b) {
           return a * b;
}).setOutput([20]);

const superKernel = gpu.combineKernels(add, multiply, function(a, b, c) {
           return multiply(add(a[this.thread.x], b[this.thread.x]), c[this.thread.x]);
});

superKernel(a, b, c);

La bibliothèque GPU.js est très riche en fonctionnalités et elle mérite vraiment d'être découverte, même si sa documentation n'est pas parfaitement à jour au moment où nous écrivons ces lignes. Les auteurs sont en train d'y remédier.

GPU.js est un logiciel libre sous licence MIT, disponible sur GitHub et qui dispose d'un site dédié.

CUDA 6 est disponible

Soumis par fredericmazue le
Image

NVIDIA vient de mettre à disposition la sixième mouture (en Release Candidate) de sa librairie CUDA, dédiée à la programmation parallèle qui permet de déporter les calculs lourd du CPU vers la GPU de l'ordinateur. NVIDIA évoque dans ces conditions une accélération des applications par un coefficient 10.

Les principales fonctionnalités de la plateforme CUDA 6 sont notamment :

  • une Mémoire Unifiée :simplifie le processus de programmation en permettant aux applications d'accéder à la mémoire des CPU et GPU sans qu'il soit nécessaire de copier manuellement les données de l'une vers l'autre. La prise en charge d'une accélération du GPU avec un plus large éventail de langages de programmation est également facilitée.
  • la fonctionnalité Bibliothèques « Drop-in » : permet d'accélérer automatiquement jusqu'à 8 fois le temps de calcul des applications BLAS et FFTW en remplaçant simplement les bibliothèques de CPU existantes par les bibliothèques accélérées par le GPU.
  • Optimisation multi-GPU : les bibliothèques BLAS et FFT GPU entièrement revues permettent d'améliorer automatiquement les performances et peuvent concerner jusqu'à huit GPU pour un seul nœud, ce qui délivre une puissance atteignant jusqu'à neuf téraflops, des performances deux fois plus précises par nœud, permettant ainsi de gérer des charges de travail encore plus importantes (jusqu'à 512 Go). L'optimisation multi-GPU peut également être utilisée avec la nouvelle bibliothèque BLAS.

En plus de ces nouvelles fonctionnalités, la plateforme CUDA 6 offre toute une gamme d'outils de programmation, de bibliothèques mathématiques accélérées par GPU, des guides de documentation et de programmation.

La version 6 de la boîte à outils CUDA est attendue pour le début de l'année 2014. Les membres du programme des développeurs enregistrés de calcul CUDA/GPU seront avertis dès que la plateforme sera disponible au téléchargement. Pour rejoindre ce programme, inscrivez-vous ici.

CUDA 5 est arrivé !

Soumis par fredericmazue le

NVIDIA a sorti NVIDIA CUDA 5, une nouvelle mouture de la plateforme de calcul parallèle, destinée à accélérer les applications scientifiques et d’ingénierie sur les processeurs graphiques. Elle est téléchargeable gratuitement à partir de la zone Développeurs du site Web NVIDIA.

NVIDIA explique avoir conçu les fonctionnalités de programmation de la plateforme CUDA 5 pour rendre le développement des applications accélérées par le GPU plus rapide et plus facile que jamais. Pour cela, de nombreux outils ont été inclus, notamment la prise en charge du parallélisme dynamique, des bibliothèques exécutables par le GPU, de la prise en charge de NVIDIA GPUDirect avec un support RDMA (pour un accès direct en mémoire à distance) et l’environnement de développement intégré NVIDIA Nsight édition Eclipse.

Parmi les fonctionnalités, vous pourrez trouver :

· Le parallélisme dynamique : applique l'accélération du GPU à de nouveaux algorithmes.

Les thread de GPU peuvent engendrer de façon dynamique de nouveaux thread, ce qui permet au GPU de s’adapter aux données. En minimisant les va-et-vient avec le processeur central, le parallélisme dynamique simplifie considérablement la programmation parallèle. De plus, cela permet une accélération via le GPU d’une gamme plus large d’algorithmes répandus, tels que ceux utilisés dans les applications d’« adaptive mesh refinement » et de simulation numérique des fluides.

· Les bibliothèques exécutables par le GPU : permet le fonctionnement d’écosystème tiers

Une nouvelle bibliothèque CUDA BLAS permet aux développeurs d’utiliser le parallélisme dynamique pour leurs propres bibliothèques exécutables par le GPU. Ils peuvent concevoir des interfaces de programmation d’applications (API) permettant à d’autres développeurs d’élargir les fonctionnalités de leurs noyaux et de mettre en place des rappels automatiques sur le GPU afin de personnaliser les fonctionnalités des bibliothèques tierces exécutables par le GPU. La capacité de « création de lien avec un objet » offre un processus efficace et habituel pour le développement des applications sur GPU importantes, en permettant aux développeurs de réunir de nombreux fichiers sources CUDA dans des fichiers objets séparés et de les relier à de plus grandes applications et bibliothèques.

· La prise en charge GPUDirect pour un accès direct en mémoire à distance : minimise les goulots d'étranglement de la mémoire système

La technologie GPUDirect garantit des communications directes entre le processeur graphique et les autres périphériques du bus PCI-E, et prend en charge l’accès direct à la mémoire entre les cartes d’interface réseau et le processeur graphique. En outre, cette fonction réduit considérablement la latence des messages MPI Send/Recv échangés entre les nœuds du processeur graphique dans un cluster, et améliore les performances globales de l'application.

L’environnement NVIDIA Nsight édition Eclipse : génère du code CUDA rapidement et facilement

Cela permet aux programmeurs de développer, déboguer et esquisser les applications du processeur graphique au sein de l’IDE issu de l’édition Eclipse familière sur les plateformes Linux et Mac OS X. Un éditeur CUDA intégré et des échantillons CUDA accélèrent la génération de code CUDA. De plus, la re-création automatique de code facilite le transport de boucles de processeur central vers les noyaux CUDA. Un système d’analyse professionnel intégré fournit une analyse des performances automatisée et une assistance pas à pas afin de réparer les goulots d'étranglements dans le code ; tandis que la mise en relief de la syntaxe facilite la différenciation entre le code du processeur graphique et celui du processeur central.

Nouveau centre de ressources CUDA en ligne

Afin d’aider les développeurs à optimiser le potentiel du calcul parallèle avec la plateforme CUDA, NVIDIA a lancé un centre de ressources en ligne gratuit pour les programmeurs CUDA, accessible à l’adresse http://docs.nvidia.com.

Les GPU Telsa de NVIDIA à l'attaque du virus H1N1

Soumis par fredericmazue le

Dans la lutte contre la grippe H1N1, une difficulté majeure a été l'apparition fréquente et rapide de mutations de virus nouveaux qui ont rendu les médicaments anti-grippaux, tels que le Tamiflu (oseltamivir) et le Relenza (zanamivir), inefficaces.

Cependant, en utilisant la simulation informatique, les chercheurs de l' Université de Bristol, au Royaume-Uni et les universités Rajabhat Bansomdejchaopraya et Chulalongkorn à Bangkok, ont analysé comment les mutations du virus H1N1 peuvent causer des changements dans la dynamique structurelle biologique et chimique d'une enzyme clé du virus, ce qui a permis de révéler, pour la première fois, le mécanisme de résistance à la vigueur des médicaments antigrippaux. Grâce à cette percée, il sera possible d'explorer de nouvelles voies dans lesquelles les médicaments inhibiteurs peuvent être rapidement mis au point pour répondre à ces mutations et éventuellement pour réduire l'impact des prochaines épidémies.

Grâce à des simulations complexes depuis l'application de dynamique moléculaire AMBER, tournant sur un petit cluster doté des GPU NVIDIA Tesla de hautes performances, l'équipe de recherche a découvert le mécanisme de la résistance de la grippe H1N1 en deux fois moins de temps et en occupant cinq fois moins de serveurs par rapport à l'utilisation d'un cluster à CPU seul. Dans une édition récente du Biochemistry, un article détaille les résultats des chercheurs .

"Le cluster à quatre nœuds et à huit GPU nous a permis d'exécuter et de répéter rapidement un plus grand nombre de simulations complexes qu'il aurait été impossible d'effectuer autrement," déclare le Dr Christopher Woods, directeur de l'équipe de recherche du Royaume-Uni. "Ainsi, nous avons pu explorer de manière exhaustive toutes les mutations intéressantes du virus, en nous construisant une représentation détaillée, ce qui nous a permis d'identifier rapidement les principales étapes du mécanisme de la résistance. Un système équivalent à CPU seul, équipé de 16 à 24 processeurs, aurait mis deux fois plus de temps, dans le meilleur des cas. Et, il aurait été pratiquement impossible pour notre équipe de monopoliser tout ce temps sur le cluster, en raison de la forte demande pour les cycles de calcul par d'autres chercheurs de l'université."

NVIDIA dévoile aujourd'hui une nouvelle famille de GPU Tesla

Soumis par fredericmazue le

NVIDIA dévoile une nouvelle famille de GPU Tesla basée sur son architecture de calcul GPU NVIDIA. Les nouveaux GPU Tesla K10 et K20 de NVIDIA sont des accélérateurs de calcul construits pour traiter les problèmes HPC les plus complexes dans le monde. Conçus pour la haute performance et l'efficacité énergétique extrême, Kepler est, d'après le fondeur, trois fois plus efficace que son prédécesseur, l'architecture Fermi, qui elle-même établissait un nouveau standard pour le calcul parallèle lors de son introduction il y a deux ans.

"Fermi a été un véritable pas en avant dans le calcul parallèle", déclare Bill Dally, directeur scientifique et senior vice président de la recherche chez NVIDIA."Cette architecture avait mis l'informatique accélérée par GPU au premier plan du calcul haute performance et avait attiré des centaines de milliers de développeurs vers la plateforme de calcul GPU. Kepler va révolutionner le marché du GPU en s’imposant largement dans l'informatique technique grâce à leur facilité d'utilisation et à l'étendue de leur champ d'application. "

NVIDIA a développé un ensemble de technologies d'architecture pour rendre les GPU Kepler plus performants et tout en restant très économes en énergie. Le fonduer décrit ces technologies ainsi :

le multiprocesseur de flux SMX - C'est le bloc de construction fondamental de tous les GPU, le multiprocesseur de flux SMX, a été repensé de fond en comble pour la haute performance et l'efficacité énergétique. Il fournit jusqu'à trois fois plus de performance par watt que le multiprocesseur de flux Fermi, d'où la possibilité de construire un superordinateur offrant un pétaflop de performance de calcul dans seulement 10 racks de serveurs. L'efficacité énergétique du multiprocesseur de flux SMX a été obtenue en multipliant par 4 son nombre de cœurs de l’architecture CUDA, tout en réduisant la vitesse d'horloge de chaque cœur et en augmentant la puissance de crénelage des parties du GPU au repos ainsi qu'en maximisant la zone du GPU consacrée au traitement parallèle des cœurs en lieu et place d'une logique de contrôle.

le parallélisme dynamique - Cette fonctionnalité permet aux threads GPU de faire naître de manière dynamique de nouveaux threads, les GPU pourront ainsi s'adapter dynamiquement aux données. Elle simplifie grandement la programmation parallèle, en autorisant l'accélération GPU d'un ensemble plus large d'algorithmes courants, tels que le maillage adaptatif, les méthodes multipolaires rapides et les méthodes multigrilles.

Hyper-Q - Cette innovation permet à plusieurs cœurs du processeur d'utiliser simultanément les cœurs CUDA sur un seul GPU Kepler. Cela augmente considérablement l'utilisation du GPU, en réduisant les temps de repos du CPU et en faisant évoluer la programmation. Hyper-Q est idéal pour les applications de cluster qui utilisent MPI.

"Nous avons conçu Kepler en nous focalisant sur trois points : la performance, l'efficacité et l'accessibilité," affirme Jonah Alben, vice-président senior de l'ingénierie GPU et principal architecte de Kepler chez NVIDIA. "Cette architecture représente une étape importante dans le calcul accéléré par GPU et devrait favoriser la prochaine vague d'innovations dans la recherche informatique. "

Aperçu de la plateforme de programmation parallèle CUDA 5

En plus de l'architecture Kepler, NVIDIA publie une avant-première de la plateforme de programmation parallèle CUDA 5. Disponible pour plus de 20.000 membres du GPU Computing Registered Developer program de NVIDIA, cette plateforme préliminaire permettra aux développeurs de découvrir les moyens de tirer parti des nouveaux GPU Kepler, y compris le parallélisme dynamique.

Le modèle de programmation parallèle CUDA est prévu pour être largement disponible au cours du troisième trimestre de 2012. Les développeurs peuvent accéder à la pré-version en s'inscrivant au GPU Computing Registered Developer program sur le site web de CUDA

LLVM prend désormais en charge les GPU de NVIDIA

Soumis par fredericmazue le

NVIDIA a annoncé que LLVM, l'un des principaux compilateurs Open Source de l'industrie, prend désormais en charge les GPU de NVIDIA. LLVM est une infrastructure de compilateur Open Source largement utilisée. Elle est conçue de manière modulaire, ce qui facilite l'ajout de compatibilité à de nouveaux langages de programmation et à de nouvelles architectures de processeur. Le compilateur CUDA apporte la compatibilité avec C, C++ et Fortran pour l'accélération d'application grâce au traitement massivement parallèle des GPU de NVIDIA. Pour apporter des changements du code source du compilateur CUDA, NVIDIA a travaillé avec les développeurs de LLVM sur le cœur de LLVM et le traitement parallèle de tâche finale. Ainsi, les programmeurs pourront développer des applications pour des accélérateurs GPU, en utilisant une sélection étendue de langages de programmation, ce qui rend le calcul GPU plus accessible et plus répandu que jamais.

LLVM est compatible avec une large gamme de langages de programmation et d'interfaces, dont : C/C++, Objective-C, Fortran, Ada, Haskell, Java bytecode, Python, Ruby, ActionScript, GLSL et Rust. Par ailleurs, c'est aussi cette infrastructure de compilateur que NVIDIA utilise pour son architecture CUDA C/C++, de même que des entreprises de premier plan, comme Apple, AMD et Adobe.

"Double Negative a transposé leur solveur de dynamique des fluides pour utiliser leur langage spécifique au domaine, Jet, qui est basé sur LLVM," déclare Dan Bailey, Chercheur de Double Negative et participant au projet LLVM."Outre la prise en charge les architectures existantes, le nouveau compilateur Open Source LLVM de NVIDIA leur a permis de compiler facilement le code hautement optimisé pour les architectures GPU de NVIDIA, et ce, afin d'accélérer massivement le calcul de simulations utilisées dans les effets spéciaux cinématographique."

"MathWorks utilise des composants de la chaîne de compilation de LLVM pour ajouter la compatibilité GPU au langage MATLAB", affirme Silvina Grad-Freilich, Directeur Marketing de la division calcul parallèle chez MathWorks. "La compatibilité GPU avec le compilateur open source LLVM est précieuse pour la communauté technique que nous servons."

"Le code que nous avons fourni à LLVM est basé sur les produits éprouvés grand public CUDA, ce qui donne aux programmeurs l'assurance d'une fiabilité et d'une compatibilité complète avec les centaines de millions de GPU NVIDIA installés dans les PC et les serveurs d'aujourd'hui", souligne Ian Buck, Directeur Général du département logiciel de calcul GPU de NVIDIA. "Le calcul GPU prend véritablement une nouvelle tournure en donnant aux chercheurs et aux programmeurs une quantité incroyable de souplesse et de choix dans les langages de programmation et les architectures matérielles pour leurs applications de prochaine génération."

Pour télécharger la dernière version du compilateur LLVM avec la compatibilité GPU de NVIDIA, rendez-vous sur le site web de LLVM.

NVIDIA : sommet des entreprises émergentes

Soumis par fredericmazue le

NVIDIA organise l'édition 2012 de son Sommet des entreprises émergentes auquel participeront des dizaines d'entreprises du monde entier, dont la vocation est de transformer l'industrie informatique ou d’y créer de nouveaux secteurs. Ce sommet se tiendra le 16 mai au San Jose Convention Center à San Jose, en Californie.

Les entreprises y présenteront les technologies qui emploient la puissance de calcul massive des GPU dans les domaines du cloud computing, des logiciels de reconnaissance gestuelle et faciale ainsi que de la visualisation biomédicale et du placement de produit numérique, entre autres.

En outre, dans le cadre de la célèbre séance du « PDG sur scène » ("CEO on Stage"), les dirigeants des 16 start-ups prometteuses présenteront leurs entreprises à un groupe d'éminents investisseurs, d'analystes expérimentés et de représentants d’entreprises leaders sur le marché des produits de haute technologie, qui, à leur tour, feront interviendront pertinemment.

Dans ce groupe d'experts figurent : Jon Peddie, Président de Jon Peddie Research, Neil Sequeira, Directeur Général de General Catalyst Partners; Philip "flip" Gianos, Associé chez InterWest Partners, Rob Enderle, Analyste Principal du Groupe Enderle; Savitha Srinivasan, Partenaire dans le Venture Capital Group au sein d'IBM, et Tom Furlong, Directeur Général de Granit Ventures LLC.

Les entreprises participantes sont: BioDigital (US), Cortexica Vision Systems (Royaume-Uni), Elemental Technologies (US),eyeSight Mobile Technologies (Israël), Gaikai (US), Immersive Media (États-Unis), Mersive (US), MirriAd (Royaume-Uni) , Numecent (US), Numira Biosciences (États-Unis), Playcast (Israël), Raytrix (Allemagne), RealView Imaging (Israël), Rocketick (Israël), Ubitus (Taiwan) et Unity Technologies (US).

Les cinq meilleures startups dans le lot qui se distingueront par leur innovation seront récompensées par le prix "One to Watch", totalisant 120 000 $ de gain.

Cette quatrième édition de l'ECS – proposée dans le cadre de la GPU Technology Conference (GTC) - qui se tiendra dans la Silicon Valley, offre une occasion exceptionnelle de découvrir comment les startups emploient les GPU pour décharger les applications existantes et créer de nouvelles solutions.

GTC est un rassemblement mondial de leaders d'opinion venant d'un large éventail de domaines où l'on discute des avancées qu'apportent les GPU. A cette conférence participent des milliers de leaders de l'industrie, des chercheurs, des scientifiques, des clients, des capital-risqueurs, des investisseurs, des entrepreneurs, des journalistes et des analystes. La GTC 2012, qui se tiendra du 14 au 17 mai à San José, s'articulera autour de plus de 200 sessions techniques destinées à des chercheurs, des développeurs et des technologues.

Pour pus d'informations et pour vous inscrire : https://registration.gputechconf.com/

Julia 1.0

Soumis par fredericmazue le

Le langage Julia, largement méconnu à l'heure actuelle, vient d'arriver en version 1.0. Julia est un langage dynamique de haut niveau, dédié aux calculs techniques et scientifiques.

Pour cela, il intègre des bibliothèques matures écrites en C et Fortan. Il supporte l'exécution parallèle distribuée, et son environnement d'exécution intègre un compilateur Just In time.

Julia est un langage open source sous licence MIT, disponible uniquement sur systèmes UNIX, Linux, et Mac OS X.

Site : http://julialang.org/

La librairie CUDA mise à jour pour plus d'efficacité

Soumis par fredericmazue le

NVIDIA vient de lancer aujourd'hui une nouvelle version de sa plate-forme de traitement parallèle CUDA, qui, explique l'éditeur,  permettra aux bio-informaticiens, chimistes, physiciens, géophysiciens ainsi qu'à d'autres chercheurs et ingénieurs, de mieux faire avancer leurs travaux de simulations et de calculs en utilisant les GPU.


La nouvelle plate-forme de traitement parallèle CUDA dispose de trois principales améliorations :


•    La révision de l'outil Visual Profiler avec analyse de performance automatisée, ce qui ouvre une voie plus facile pour l'accélération des applications
•    Un nouveau compilateur, basé sur l'infrastructure du compilateur open source largement utilisé LLVM, qui augmente jusqu'à 10 pour cent la vitesse de performance des applications
•    Des centaines de nouvelles fonctions d'imagerie et de traitement du signal, qui viennent doubler la taille de la bibliothèque NVIDIA Performance Primitives (NPP)

"Le nouveau visual profiler est extraordinaire" a affirmé Joshau Anderson, Développeur principal du projet de dynamique moléculaire HOOMD blue Open source. "En quelques clics, il réalise une performance automatisée d’analyse de votre application, met en évidence les éventuels problèmes, et propose ensuite les meilleurs solutions pour remédier à ces derniers. Cela devient rapide et facile pour les développeurs d’accélérer virtuellement, un large éventail d’applications".

"Avec le compilateur LLVM, j'ai tout de suite accéléré les performances de près de 10 pour cent, juste en recompilant mon code d'analyse courant des risques financiers en temps réel", a déclaré Gilles Civario, architecte logiciel au Centre Irlandais pour le Calcul de Pointe. "J’imagine déjà les gains de performance supplémentaires que je vais pouvoir obtenir avec un réglage supplémentaire en utilisant la nouvelle version de CUDA."


LLVM compilateur - 10 pour cent de gain immédiat dans les performances des applications
LLVM est une infrastructure largement utilisée de compilateur open source conçue de manière modulaire, ce qui facilite l'ajout de compatibilité avec de nouveaux langages de programmation et de nouvelles architectures de processeur. D'après NVIDIA, grâce au nouveau compilateur basé sur LLVM, les développeurs peuvent atteindre avec une simple recompilation jusqu'à 10 pour cent de gain de performance supplémentaires sur les applications courantes accélérées par GPU. En outre, la conception modulaire de LLVM permet aux tiers des développeurs d'outils logiciels de fournir une solution LLVM personnalisée pour les architectures de processeurs non estampillées NVIDIA, ce qui permet aux applications CUDA de fonctionner avec les GPU NVIDIA, ainsi que celles d'autres fournisseurs.


Nouvelles fonctions d'imagerie et de bibliothèque de traitement du signal - Accélération en vue avec la bibliothèque NPP
NVIDIA a doublé la taille de sa bibliothèque NPP, avec l'ajout de centaines de nouvelles fonctions d’imagerie et de traitement du signal. Cela permet à pratiquement n'importe quel développeur, utilisant des algorithmes de traitement d'image ou de signal, d'obtenir facilement l'avantage de l'accélération GPU, avec le simple ajout des appels à la bibliothèque dans leur application. Cette mise à jour de la bibliothèque NPP peut être utilisée pour une grande variété d'algorithmes d'images et de traitement du signal, allant du filtrage de base aux workflows avancés.

Site : http://www.nvidia.com/object/cuda_home_new.html