CUDA

Den aktuelle version af siden er endnu ikke blevet gennemgået af erfarne bidragydere og kan afvige væsentligt fra den version , der blev gennemgået den 2. januar 2021; checks kræver 16 redigeringer .
CUDA
Type GPGPU
Udvikler NVIDIA Corporation
Operativ system Windows , Linux
Første udgave 23. juni 2007
Hardware platform Understøttede GPU'er
nyeste version 11.6 (17. januar 2022 ) ( 17-01-2022 )
Licens Freeware
Internet side developer.nvidia.com/cud...
 Mediefiler på Wikimedia Commons

CUDA (oprindeligt forkortelse fra engelsk  Compute unified device architecture ) er en parallel computerhardware- og softwarearkitektur , der giver dig mulighed for at øge computerydelsen markant ved brug af Nvidia -grafikprocessorer .

CUDA SDK giver programmører mulighed for at implementere algoritmer i specielle forenklede dialekter af programmeringssprogene C , C++ og Fortran , der kan implementeres på Nvidia-grafik og tensorprocessorer [1] . CUDA-arkitekturen giver udvikleren mulighed for at organisere adgangen til instruktionssættet af en grafik- eller tensoraccelerator og styre dens hukommelse efter eget skøn. Funktioner accelereret med CUDA kan kaldes fra forskellige sprog, herunder Python [2] , MATLAB [3] osv.

Softwarearkitektur

Den første version af CUDA SDK blev udgivet den 15. februar 2007 . Programmeringsgrænsefladen for CUDA - applikationer er baseret på C -sproget med nogle udvidelser. For at kunne oversætte kode til dette sprog, inkluderer CUDA SDK Nvidias egen kommandolinje C compiler nvcc . nvcc- kompileren er baseret på Open64 open compiler og er designet til at oversætte værtskoden (hoved-, kontrolkode) og enhedskoden (hardwarekode) (filer med .cu- udvidelsen ) til objektfiler, der er egnede til at bygge det endelige program eller bibliotek i ethvert programmeringsmiljø såsom NetBeans .

CUDA-arkitekturen bruger grid- hukommelsesmodellen , clustered thread -modellering og SIMD- instruktioner. Gælder ikke kun til højtydende grafikcomputere, men også til forskellige videnskabelige databehandlinger ved hjælp af nVidia-grafikkort. Forskere og forskere bruger CUDA i vid udstrækning inden for forskellige områder, herunder astrofysik , beregningsbiologi og kemi , fluiddynamikmodellering , elektromagnetiske interaktioner , computertomografi , seismisk analyse og mere. CUDA har mulighed for at oprette forbindelse til applikationer, der bruger OpenGL og Direct3D . CUDA er cross-platform software til operativsystemer som Linux , Mac OS X og Windows .

Den 22. marts 2010 udgav nVidia CUDA Toolkit 3.0, som indeholdt understøttelse af OpenCL [4] .

Udstyr

CUDA-platformen dukkede først op på markedet med udgivelsen af ​​NVIDIAs ottende generation af G80-chip og blev til stede i alle efterfølgende serier af grafikchips, der blev brugt i GeForce , Quadro og NVidia Tesla -acceleratorfamilierne .

Den første serie hardware til at understøtte CUDA SDK, G8x, havde en 32-bit enkelt-præcision vektorprocessor, der brugte CUDA SDK som en API (CUDA understøtter C-sprogtypen, men nu er dens præcision nedgraderet til 32-bit flydende punkt ). Senere GT200-processorer har understøttelse af 64-bit præcision (kun SFU), men ydeevnen er væsentligt dårligere end for 32-bit præcision (på grund af kun to SFU'er pr. stream multiprocessor og otte skalære processorer). GPU'en organiserer hardware multithreading, som giver dig mulighed for at bruge alle ressourcerne i GPU'en. Dermed åbner udsigten op til at skifte funktionerne af en fysisk accelerator til en grafisk accelerator (implementeringseksempel - PhysX ). Det åbner også for store muligheder for at bruge computergrafikudstyr til at udføre komplekse ikke-grafiske beregninger: for eksempel i beregningsbiologi og andre grene af videnskaben. double

Fordele

Sammenlignet med den traditionelle tilgang til at organisere generel databehandling gennem funktionerne i grafiske API'er, har CUDA-arkitekturen følgende fordele på dette område:

Begrænsninger

Understøttede GPU'er og GPU'er

Listen over enheder fra hardwareproducenten Nvidia med erklæret fuld understøttelse af CUDA-teknologi findes på det officielle Nvidia-websted [7] [8] .

Kompatibilitet af CUDA-udviklersystemer med generationer af regnemaskiner:

Følgende perifere enheder understøtter i øjeblikket CUDA-teknologi på pc-hardwaremarkedet:

Version

specifikationer

Arkitektur GPU Videokort fra GeForce-familien Videokort fra Quadro-familien, NVS Tesla grafikkort Videokort af familien

Tegra,
Jetson,
DRIVE

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 0, GeForce 0, GeForce 0, GeForce 0, GeForce 0, GeForce 0, GeForce 0, GeForce 0 ,
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 4 Quadro FX 4 Quadro 0 Profil, Low NVS 4 NVS 370 Quadro FX 3700M, Quadro FX 3600M, Quadro FX 2800M
, Quadro FX 2700M, Quadro FX 1700M, Quadro FX 1600M, Quadro FX 770M, Quadro FX 570 Quadro FX 370M, NVM 3 Quadro 0M, NVM 3 Quadro 0M, NVM 3 Quadro 0M, NVM , 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 GT 3, GTM 3, GeForce 3, GTM 3, GeForce 3, GTM 3 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 til 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 til 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 4, 5 GT 4, GeForce 610, 5 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 0, GeForce 0, GeForce 625M, GeForce 0 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 525M, GeForce 0 GTX 5, GeForce 0 GTX 5, GeForce 0 GTX 4 GeForce GTX 460M, GeForce GT 445M, GeForce GT 435M, GeForce GT 420M, GeForce GT 415M, GeForce 710M, GeForce 410M, GeForce GT 730 (DDR3 128-bit) 		Quadro 2000, Quadro 2000D, Quadro 600, Quadro 410, Quadro 4000M, Quadro 3000M, Quadro 2000M, Quadro 1000M, NVS 310, NVS 315, NVS 5400M, NVS 520M, NVS 4
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 5, GeForce 0,
GeForce 0 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 0M, GeForce 0M, GeForce 0M, GeForce 0M, GeForce 0M, GeForce 0M, GeForce 0M, GeForce 0M 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 K500M Quadro K510M Quadro K610M Quadro K1000M Quadro K2000M Quadro K1100M Quadro K2100M Quadro K21000M 1 Quadro K2100M 0M, 0M Quadro K2100M, 0 Tesla K10, GRID K340, GRID K520
3.2 GK20A Tegra K1,
Jetson TK1
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 40M, GeForce GT 40M (64-bit, DDR3), GeForce GT 920M 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 K420, Quadro K620, Quadro K1200, Quadro K2200, Quadro M2000M, Quadro M1000M, Quadro M600M, Quadro K620M, NVS 810 Tesla M10
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 GTX 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,
Jetson TX1,
DRIVE CX,
DRIVE PX
6,0 Pascal GP100 Quadro GP100 Tesla P100
6.1 GP102, GP104, GP106, GP107, GP108 Nvidia TITAN Xp, Titan X, GeForce GTX 1080 Ti, GTX 1080, GTX 1070, GTX 1060, GTX 1050 Ti, GTX 1050, GT 1030, MX150 Quadro P6000, Quadro P5000, Quadro P4000, Quadro P2000, Quadro P1000, Quadro P600, Quadro P400, Quadro P5000(Mobil), Quadro P4000(Mobil), Quadro P3000(Mobil) Tesla P40, Tesla P6, Tesla P4
6.2 GP10B [9] Kør PX2 med Tegra X2 (T186) [10] Jetson TX2
7,0 Volta GV100 Nvidia TITAN V Quadro GV100 Tesla V100,

Tesla V100S

7.2 GV10B [11] Jetson Xavier, DRIVE PX Xavier/Pegasus
med Xavier SoC
7.5 Turing TU102, TU104, TU106 NVIDIA TITAN RTX,

GeForce RTX 2080 Ti, RTX 2080 Super, RTX 2080, RTX 2070 Super, RTX 2070, RTX 2060 Super, RTX 2060,

GeForce GTX 1660 Ti, GTX 1660 Super, GTX 1660, GTX 1650 Super, GTX 1650

Quadro RTX 8000, Quadro RTX 6000, Quadro RTX 5000, Quadro RTX 4000, Quadro RTX 3000,

Quadro T2000, Quadro T1000, Quadro T600

Tesla T4
8,0 Ampere GA100 A100 80GB, A100 40GB
8.6 GA102, GA104, GA106 GeForce RTX 3090, RTX 3080, RTX 3070, RTX 3060 Ti, RTX 3060, RTX 3050 Ti RTX A6000, A40
Nvidia GeForce Desktop
GeForce GTX TITAN, X, Z, Sort
GeForce GTX 1050/Ti, 1060, 1070, 1080/Ti
GeForce GTX 950, 960, 970, 980/Ti
GeForce GTX 750/Ti, 760, 770, 780/Ti
GeForce GTX 650/Ti, 660/Ti, 670, 680, 690
GeForce GTX 520, 550 Ti, 560/Ti, 570, 580, 590
GeForce GTX 450, 460, 465, 470, 480
GeForce GTX 210, 220, 240, 260, 275, 280, 285, 295
GeForce GT120, GT130, GTS 150
GeForce 9600 GSO, 9800 GTX, 9800 GTX+, 9800 GX2
GeForce 9400 GT, 9500 GT, 9600 GT, 9800 GT
GeForce 9300mGPU, 9400mGPU
GeForce 8800 GT, 8800 GTS 512
GeForce 8400 GS, 8500 GT, 8600 GT, 8600 GTS
Nvidia GeForce til mobile computere
GeForce GTX 580M
GeForce GTX 570M
GeForce GTX 560M
GeForce GT 555M
GeForce GT 540M
GeForce GT 525M
GeForce GT 520M
GeForce GTX 485M
GeForce GTX 480M
GeForce GTX 470M
GeForce GTX 460M
GeForce GT 445M
GeForce GT 435M
GeForce GT 425M
GeForce GT 420M
GeForce GT 415M
GeForce GTX 285M
GeForce GTX 280M
GeForce GTX 260M
GeForce GTS 360M
GeForce GTS 350M
GeForce GTS 250M
GeForce GTS 160M
GeForce GTS 150M
GeForce GT 335M
GeForce GT 330M
GeForce GT 325M
GeForce GT 240M
GeForce GT 130M
GeForce G210M
GeForce G110M
GeForce G105M
GeForce 310M
GeForce 305M
GeForce 9800M GTX
GeForce 9800M GT
GeForce 9800M GTS
GeForce 9700M GTS
GeForce 9700M GT
GeForce 9650M GS
GeForce 9600M GT
GeForce 9600M GS
GeForce 9500M GS
GeForce 9500M G
GeForce 9300M GS
GeForce 9300MG
GeForce 9200M GS
GeForce 9100MG
GeForce 8800M GTS
GeForce 8700M GT
GeForce 8600M GT
GeForce 8600M GS
GeForce 8400M GT
GeForce 8400M GS
Nvidia Tesla *
Tesla C2050/C2070
Tesla M2050/M2070/M2090
Tesla S2050
Tesla S1070
Tesla M1060
Tesla C1060
Tesla C870
Tesla D870
Tesla S870
Nvidia Quadro desktop
Quadro 6000
Quadro 5000
Quadro 4000
Quadro 2000
Quadro 600
QuadroFX 5800
QuadroFX 5600
QuadroFX4800
Quadro FX 4700X2
QuadroFX4600
QuadroFX 3700
QuadroFX 1700
QuadroFX 570
QuadroFX470
Quadro FX 380 lav profil
QuadroFX 370
Quadro FX 370 lav profil
Quadro CX
Quadro NVS450
Quadro NVS 420
Quadro NVS 290
Quadro Plex 2100 D4
Quadro Plex 2200 D2
Quadro Plex 2100 S4
Quadro Plex 1000 Model IV
Nvidia Quadro til mobile computere
Quadro 5010M
Quadro 5000M
Quadro 4000M
Quadro 3000M
Quadro 2000M
Quadro 1000M
QuadroFX 3800M
QuadroFX 3700M
QuadroFX 3600M
QuadroFX 2800M
QuadroFX 2700M
QuadroFX 1800M
QuadroFX 1700M
QuadroFX 1600M
QuadroFX 880M
QuadroFX 770M
QuadroFX 570M
QuadroFX 380M
QuadroFX 370M
QuadroFX 360M
Quadro NVS 5100M
Quadro NVS 4200M
Quadro NVS 3100M
Quadro NVS 2100M
Quadro NVS 320M
Quadro NVS 160M
Quadro NVS 150M
Quadro NVS 140M
Quadro NVS 135M
Quadro NVS 130M

Eksempel

Dette C++ kodeeksempel indlæser teksturer fra et billede ind i et array på GPU'en :

cudaArray * cu_array ; tekstur < float , 2 > tex ; // Tildel hukommelse til cudaMalloc array ( & cu_array , cudaCreateChannelDesc < float > (), width , height ); // Kopier billeddata til cudaMemcpy array ( cu_array , image , width * height , cudaMemcpyHostToDevice ); // Bind arrayet til teksturen cudaBindTexture ( tex , cu_array ); // Start kernel dim3 blockDim ( 16 , 16 , 1 ); dim3 gridDim ( bredde / blokDim . x , højde / blokDim . y , 1 ); kernel <<< gridDim , blockDim , 0 >>> ( d_odata , width , height ); cudaUnbindTexture ( tex ); __global__ void kerne ( float * odata , int højde , int width ) { usigneret int x = blokIdx . x * blokDim . x + trådIdx . x ; usigneret int y = blokIdx . y * blokDim . y + trådIdx . y ; float c = texfetch ( tex , x , y ); odata [ y * width + x ] = c ; }

Et eksempel på et Python -program , der multiplicerer elementerne i et array ved hjælp af GPU'en. Interaktionen udføres ved hjælp af PyCUDA [12]

import pycuda.driver som drv import numpy drv . init () dev = drv . Enhed ( 0 ) ctx = dev . make_context () mod = drv . SourceModule ( """ __global__ void multiply_them(float *dest, float *a, float *b) { const int i = threadIdx.x; dest[i] = a[i] * b[i]; } """ ) multiplicere_dem = mod . get_function ( "multiply_them" ) a = nusset . tilfældigt . randn ( 400 ) . astype ( numpy . float32 ) b = numpy . tilfældigt . randn ( 400 ) . astype ( numpy . float32 ) dest = numpy . nuller_lignende ( a ) multiplicer_dem ( drv . Out ( dest ), drv . In ( a ), drv . In ( b ), blok = ( 400 , 1 , 1 )) print dest - a * b

Links

Officielle ressourcer

Uofficielle ressourcer

Toms hardware iXBT.com Andre ressourcer

Noter

  1. ↑ Language Solutions Arkiveret 16. oktober 2018 på Wayback Machine / NVIDIA 
  2. ↑ PyCUDA | NVIDIA-udvikler . Hentet 16. oktober 2018. Arkiveret fra originalen 17. oktober 2018.
  3. ↑ MATLAB GPU Computing Support til NVIDIA CUDA-aktiverede GPU'er . Hentet 1. september 2020. Arkiveret fra originalen 9. august 2020.
  4. ↑ Theo Walich. nVidia lancerer CUDA Toolkit 3.0 , udvider OpenCL  . Bright Side Of News (22. marts 2010). Hentet 5. april 2010. Arkiveret fra originalen 3. marts 2012.
  5. ↑ Se den officielle CUDA-programmeringsvejledning, ver. 1.1 // CUDA-programmeringsvejledning Arkiveret 6. oktober 2008 på Wayback-maskinen . Kapitel 1. Introduktion til CUDA → 1.2 CUDA: En ny arkitektur til beregning på GPU'en
  6. ↑ NVIDIA overdrog CUDA Compiler til LLVM-fællesskabet - opennet.ru . Dato for adgang: 13. maj 2012. Arkiveret fra originalen 13. maj 2012.
  7. ↑ CUDA-aktiverede GPU-produkter arkiveret 5. april 2008 på Wayback Machine 
  8. ↑ CUDA-aktiverede produkter - NVIDIA . Hentet 26. februar 2010. Arkiveret fra originalen 26. februar 2010.
  9. ↑ Larabel, Michael NVIDIA ruller Tegra X2 GPU-understøttelse ud i Nouveau . Phoronix (29. marts 2017). Hentet 8. august 2017. Arkiveret fra originalen 9. august 2017.
  10. ↑ Diskussion af LUA-kompilering på Drive PX2 . Bernhard Schuster . GitHub. Hentet 9. november 2017. Arkiveret fra originalen 6. september 2020.
  11. ↑ Nvidia Xavier Specs Arkiveret 21. august 2018 på Wayback Machine på TechPowerUp (foreløbig)
  12. ↑ PyCUDA . Arkiveret fra originalen den 3. marts 2012.
 Nvidia
GPU'er

( sammenligning ) _
Tidlig
RIVA familie
GeForce familie
Arbejdsstationer og HPC'er
Teknologi

Bundkort
chipsæt
( sammenligning ) _
GeForce familie
  • GeForce 8
  • GeForce 9
  • ION
nForce familien
Teknologi
Andet
Konsoller
SoC
CPU
Drivere / software
Opkøb