GPU

Libre Office 4.2

Soumis par fredericmazue le

La Document Foundation propose la toute dernière mouture de sa suite bureautique en la personne de Libre Office 4.2 en version stable.

Il s'agit d'une version majeure, comme en témoigne la volumineuse note de version. Vue l'importance des changements, la Document Foundation recommande d'ailleurs aux entreprises de ne pas adopter tout de suite cette version, en restant avec la 4.1.4.

Libre Office 4.2 offre une meilleure interopérabilité avec le format OOXML de la suite Office de Microsoft  (fichiers .docx, .xlsx, .pptx).

Une des nouveautés les plus intéressantes techniquement est l'arrivée d'un nouveau moteur de calcul dans le Calc pour de meilleures performances. Un nouvel interpréteur de formule y utilise la GPU via la librairie OpenCL.

La note de version rapporte également de nombreux changements dans l'API de Libre Office 4.2

AMD : un nouveau SDK unifié

Soumis par fredericmazue le

Lors de son Developer Summit 2013, AMD a annoncé un nouveau SDK unifié, une suite d'outils CodeXL améliorés qui permettent de travailler avec les puces les plus récentes du fondeur.

Ce SDK apporte encore de nombreuses optimisations dans des bibliothèques open source comme OpenCV, OpenCL, clMath, etc.

"Les développeurs sont essentiels à notre mission qui est de réaliser le plein potentiel des technologies informatiques modernes", a déclaré Manju Hegde , vice-président des Solutions hétérogènes AMD . "Enrichir l'expérience des développeurs en exploitant ces technologies est un élément essentiel de la mission de AMD pour accélérer l'adoption des développeurs "

De fait, avec ce nouveau SDK, les développeurs pourront également travailler avec Java, "le langage de programmation le plus populaire du monde", dixit le fondeur.

Ce nouveau SDK est accessible à partir de ce lien.

Ni Mantle ni OpenGL dans Xbox One

Soumis par fredericmazue le

Microsoft vient de publier un billet en blog en forme de satisfecit, au sujet des progrès accomplis, en quinze ans, par son API Direct3D.

Une API dont Microsoft souligne qu'en l'utilisant, les développeurs peuvent coder à la fois pour Windows et Xbox.

Une API dont Microsoft est tellement fière que dans la foulée, le billet annonce que ni OpenGL ni Mantle ne seront supportée dans Xbox One, qui embarque un GPU AMD.

Mantle est une API de bas niveau similaire à l'ancienne Glide de 3Dfx, proposée par AMD. Une API qui devait permettre de s'affranchir des lourdeur de Direct3D (au prix d'un travail supplémentaire pour le développeur) et exploiter au mieux les capacités des GPU AMD.

NVIDIA publie des spécifications de ses GPU

Soumis par fredericmazue le

Ce n'est pour l'instant qu'un tout premier petit pas, mais il a le mérite d'exister. Jusqu'ici la collaboration de NVIDIA avec le monde de l'open source était nulle, ce qui a valu au constructeur, il y a quelques temps, un retentissant 'Fuck You' de la part de Linus Torvalds.

Les choses évoluent enfin, et les développeurs qui veulent travailler sur les GPU NVIDIA vont avoir à leur disposition autre chose que le reverse engineering.

Ainsi un mail de Andy Ritger de NVIDIA, a informé la communauté des développeurs du pilote Nouveau de la disponibilité de la documentation du Device Control Block des GPU.

Cette publication n'est pour l'instant qu'un tout petit pas, mais elle est très bien reçue, car le monde de l'open source pense qu'elle va en appeler d'autres. Linus Torvalds lui-même si dit "assez optimiste" comme le rapporte Ars Technica

Harlan : un langage de programmation pour GPU

Soumis par fredericmazue le

Erik Holk, dans le cadre de la préparation de son doctorat à l'Université de l'Indiana, à concocté un nouveau langage de programmation de haut niveau, spécifiquement dédié à la programmation des GPU.

La syntaxe de Harlan est basée sur Scheme, très prisé dans les milieux universitaires, et qui dérive lui-même de LISP.

Le code Harlan est ensuite traduit en OpenCL.

Harlan est open source et son code est accessible sur GitHub.

Le plus vaste réseau neuronal artificiel du monde s'appuie sur des GPU NVIDIA

Soumis par fredericmazue le

NVIDIA annonce avoir collaboré avec une équipe de chercheurs de l’université de Stanford (États-Unis) pour créer le réseau neuronal artificiel le plus vaste du monde et, à terme, pouvoir modéliser le processus d’apprentissage du cerveau humain. Le réseau est 6,5 fois plus étendu que celui élaboré par Google, détenteur du précédent record, en 2012.

Les réseaux neuronaux informatisés sont capables d’« apprendre » à modéliser le comportement du cerveau, et donc de reconnaître les objets, les personnes, la voix et les sons comme n’importe quel être humain.

Néanmoins, créer un réseau neuronal à grande échelle s’avère extrêmement coûteux en ressources informatiques. Ainsi Google a-t-il eu recours à un millier de serveurs basés sur CPU, soit 16 000 coeurs de processeurs, pour élaborer son réseau neuronal capable d’apprendre tout seul à reconnaître des chats dans une série de vidéos YouTube. Le réseau comptait 1,7 milliard de paramètres, la représentation virtuelle des synapses.

À titre de comparaison, l’équipe de Stanford dirigée par Andrew Ng, directeur du laboratoire d’intelligence artificielle de l’université, n’a eu recours qu’à trois serveurs dotés de GPU NVIDIA pour créer un réseau de même dimension et accélérer le traitement des données de masse générées par celui-ci. Avec seize serveurs accélérés avec les GPU NVIDIA, l’équipe a pu créer un réseau neuronal de 11,2 milliards de paramètres, soit 6,5 fois plus vaste que le réseau Google annoncé en 2012.

Plus un réseau neuronal est vaste et puissant, plus sa précision pour réaliser des tâches telles que la reconnaissance des objets est grande, ce qui permet aux ordinateurs de modéliser davantage de comportements proches du type humain. Cette réussite a fait l’objet d’un article publié hier à l’occasion de la conférence internationale sur l’apprentissage automatique d’Atlanta (ICML).

« Avec une performance informatique significativement plus élevée que les systèmes classiques basés sur CPU, les accélérateurs GPU démocratisent la modélisation des grands réseaux neuronaux », s’est félicité Sumit Gupta, directeur général de la division d'accélération de calcul Tesla chez NVIDIA, et d’ajouter : « N’importe quel chercheur ou entreprise peut désormais  utiliser l’apprentissage automatique pour résoudre tout type de problème de la vie réelle avec une poignée de serveurs accélérés aux GPU. » 

Un supercalculateur scientifique accéléré par GPU en Suisse

Soumis par fredericmazue le

Posez la question à n’importe quel météorologue : rien n’est plus difficile que de prévoir le temps qu’il va faire. Si vous ajoutez à cela la diversité des microclimats et les caractéristiques topographiques caractéristiques de la Suisse, la mission s’avère encore plus difficile.

Le Centre National Suisse de Calcul Scientifique (Swiss National Supercomputing Center) ou CSCS, pays de la précision, prévoit de remédier à ce problème en construisant le supercalculateur scientifique accéléré par GPU le plus rapide d’Europe. Il sera utilisé pour prédire les modèles météorologiques locaux et nationaux, des jours ou même des semaines à l’avance, avec un exceptionnel degré de précision.

Le CSCS, une des principales institutions européennes travaillant dans le domaine de la recherche informatique, collabore avec MeteoSwiss, le service météorologique national de la Suisse, en vue d’élaborer le système « Piz Daint » qui tire son nom d’un sommet des Alpes suisses. Le supercalculateur Cray XC30 bénéficiera de l’intégration d’accélérateurs GPU qui permettront d’améliorer de façon spectaculaire la portée et le niveau de précision des recherches en matière de climat et de modélisation météorologique, ainsi que dans d’autres domaines de recherche tels que l’astrophysique, les sciences des matériaux et les sciences de la vie.

Avec les accélérateurs GPU NVIDIA Tesla K20X, Piz Daint possédera des performances atteignant plus de 1 pétaflops, ce qui représente 1,000 billiard (soit un million de milliards) d’opérations à virgule flottante par seconde. Ce supercalculateur sera ainsi l’un des systèmes à base de GPU les plus rapides d’Europe lorsqu’il deviendra opérationnel au début de l’année 2014.

Le système va s’appuyer sur l’architecture de carte graphique Kepler NVIDIA, l’architecture informatique hautes performances la plus rapide et la plus écoénergétique du monde. Les GPU Tesla vont ainsi considérablement accélérer les performances et ce pour un coût abordable. Ces qualités sont essentielles dans la mesure où calculer avec précision des simulations complexes de phénomènes environnementaux de grande ampleur nécessite des ressources de calcul considérables.

Il s’agit donc de la mission idéale pour un supercalculateur accéléré par GPU dont ne pourraient s’acquitter des systèmes classiques basés sur CPU, qui ne seraient pas assez rapides pour de tels calculs.

Comme le souligne Thomas Schulthess, Directeur du CSCS : « Piz Daint nous permettra de progresser très rapidement dans nos recherches menées sur le climat alpin et sur les modèles météorologiques. Grâce à l’accélération GPU, les chercheurs sont en mesure d’utiliser des modélisations haute résolution beaucoup plus sophistiquées, qui nous permettent d’obtenir un niveau de visibilité exceptionnel et un niveau de compréhension sans précédent de la façon dont fonctionnent ces systèmes. »

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.

Java 8 sera accéléré par le GPU

Soumis par fredericmazue le

Mi-août, Oracle et AMD ont lancé un projet  dont le but est de booster les performances des applications Java, via les GPU.

Ce projet s'appelle Sumatra. Le principe est de transformer du bytecode Java en code OpenCL quand une GPU compatible est détectée, ce qui est le cas de la plupart des GPUs récentes.

OpenCL permettant aussi répartir du code sur les coeurs d'un CPU, il n'est pas exclu que Sumatra exploite aussi cette possibilité.

Oracle et AMD ont désormais annoncé que Sumatra sera présent sur Java 8, la nouvelle version attendue pour 2013.

Vers un Java boosté par le GPU ?

Soumis par fredericmazue le

Oracle et AMD lancent conjointement un gros projet dont le but est de booster les performances des applications Java via les GPU.

Il n'est pas question, avec ce projet, de booster l'affichage graphique qui bénéficie depuis longtemps de l'accélération matérielle, mais bien de déléguer au GPU certaines tâches de calculs.

Source : developpez.com