GPU Computing

CUDA 10.2 est disponible

Soumis par fredericmazue le

CUDA  (Compute Unified Device Architecture) est une technologie développé par NVIDIA de GPGPU (General-Purpose Computing on Graphics Processing Units), c'est-à-dire utilisant un processeur graphique (GPU) pour exécuter des calculs généraux à la place du processeur (CPU). NVIDIA vient d'annoncer la sortie de la version 10.2 de CUDA.

Cette nouvelle mouture apporte le support des API de gestion de mémoire virtuelle CUDA et inclut libcu++, une bibliothèque C++ parallèle standard pour les GPU.

CUDA 10.2 inclut de nouvelles API d'interopérabilité pour les allocations mémoire, la synchronisation et le streaming. Ces nouvelles API sont en bêta pour le moment et NVIDIA soulignent qu'elles sont susceptibles d'être modifiées à l'avenir.

Les nouveaux systèmes d'exploitation suivants sont pris en charge par CUDA 10.2.

  • Fedora 29
  • Red Hat Enterprise Linux (RHEL) 7.x et 8.x
  • OpenSUSE 15.x
  • SUSE SLES 12.4 et SLES 15.x
  • Ubuntu 16.04.6 LTS et Ubuntu 18.04.3 LTS

ATTENTION : NVIDIA indique que CUDA 10.2 (Toolkit et pilote NVIDIA) est la dernière version à prendre en charge macOS pour le développement et l’exécution d’applications CUDA. La prise en charge de macOS ne sera plus disponible à partir de la prochaine version de CUDA.

NVIDIA et Microsoft collaborent dans le High Performance GPU Computing

Soumis par fredericmazue le

NVIDIA annonce sa collaboration avec Microsoft pour promouvoir les processeurs graphiques (GPU) NVIDIA Tesla dans l’informatique parallèle de hautes performances tournant sur le système d’exploitation Windows HPC Server 2008.

« L’association des GPU et des CPU illustre bien l’énorme puissance et l’opportunité incroyable des co-processeurs multi-cœur », a déclaré Dan Reed, vice président de l’Extreme Computing chez Microsoft. « Le travail que font NVIDIA et Microsoft avec la plate-forme Windows HPC Server aide les scientifiques et les chercheurs à réaliser des performances dignes de supercalculateurs dans de nombreux domaines ».

NVIDIA Research a développé plusieurs applications GPU sur la plate-forme Windows HPC Server 2008, comme le lancer de rayons qui peut être utilisé dans la modélisation photo-réaliste de voitures. Suite à cela, NVIDIA a collaboré avec Microsoft Research pour installer un grand cluster Tesla GPU Computing et les deux sociétés étudient les applications optimisées avec le GPU.

De plus, toute une gamme d’applications d’entreprise, comme le data mining, l’apprentissage artificiel et l’intelligence économique, sans oublier les applications scientifiques comme la dynamique moléculaire, l’informatique financière et le traitement sismique, tirent parti de l’architecture massivement parallèle CUDA sur laquelle les GPU de NVIDIA sont conçus pour atteindre de plus grands niveaux de productivité.

L’architecture CUDA permet aux développeurs d’utiliser, ensemble, le CPU et le GPU sous la forme d’un co-traitement. Les parties informatiques intenses d’une application utilisent les capacités de traitement parallèle du GPU alors que la partie séquentielle du code tourne sur le CPU.

Les numéros 117 et 118 de Programmez! proposent une initiation à la programmation CUDA

http://www.programmez.com/magazine_articles.php?titre=D%E9couvrir%20et%20mettre%20en%20oeuvre%20CUDA%20%282e%20partie%29&id_article=1209&magazine=118