| CUDA | |
|---|---|
| Típusú | GPGPU |
| Fejlesztő | NVIDIA Corporation |
| Operációs rendszer | Windows , Linux |
| Első kiadás | 2007. június 23 |
| Hardver platform | Támogatott GPU-k |
| legújabb verzió | 11,6 (2022. január 17. ) |
| Engedély | Ingyenes szoftver |
| Weboldal | developer.nvidia.com/cud… |
| Médiafájlok a Wikimedia Commons oldalon | |
A CUDA (eredetileg az angol Compute unified device architektúra rövidítése) egy párhuzamos számítási hardver- és szoftverarchitektúra , amely lehetővé teszi a számítási teljesítmény jelentős növelését az Nvidia grafikus processzorok használatával .
A CUDA SDK lehetővé teszi a programozók számára, hogy a C , C++ és Fortran programozási nyelvek speciális egyszerűsített dialektusaiban implementálják az algoritmusokat, amelyek Nvidia grafikus és tenzorprocesszorokon is megvalósíthatók [1] . A CUDA architektúra lehetőséget ad a fejlesztőnek, hogy megszervezze a hozzáférést egy grafikus vagy tenzorgyorsító utasításkészletéhez, és saját belátása szerint kezelje a memóriáját. A CUDA-val felgyorsított függvények többféle nyelvről hívhatók meg, például Python [2] , MATLAB [3] stb.
A CUDA SDK kezdeti verziója 2007. február 15- én jelent meg . A CUDA - alkalmazások programozási felülete a C nyelven alapul néhány kiterjesztéssel. A kód sikeres lefordításához ezen a nyelven a CUDA SDK tartalmazza az Nvidia saját parancssori C fordítóját, az nvcc . Az nvcc fordító az Open64 nyílt fordítón alapul, és a gazdagép kódot (fő, vezérlőkód) és az eszközkódot (hardverkódot) ( .cu kiterjesztésű fájlok) objektumfájlokká alakítja, amelyek alkalmasak a végső program vagy könyvtár felépítésére. bármilyen programozási környezetben, például a NetBeansben .
A CUDA architektúra a grid memóriamodellt , a fürtözött szálmodellezést és a SIMD utasításokat használja. Nemcsak a nagy teljesítményű grafikus számítástechnikára alkalmazható, hanem az nVidia grafikus kártyákat használó különféle tudományos számítástechnikákra is. A tudósok és kutatók széles körben alkalmazzák a CUDA-t különböző területeken, beleértve az asztrofizikát , a számítógépes biológiát és a kémiát , a folyadékdinamikai modellezést , az elektromágneses kölcsönhatásokat , a számítógépes tomográfiát , a szeizmikus elemzést stb. A CUDA képes OpenGL -t és Direct3D -t használó alkalmazásokhoz csatlakozni . A CUDA egy többplatformos szoftver olyan operációs rendszerekhez , mint a Linux , Mac OS X és Windows .
2010. március 22-én az nVidia kiadta a CUDA Toolkit 3.0-t, amely az OpenCL támogatását tartalmazza [4] .
A CUDA platform először az NVIDIA nyolcadik generációs G80 lapkájának kiadásával jelent meg a piacon, és jelen lett a GeForce , Quadro és NVidia Tesla gyorsítócsaládokban használt összes későbbi grafikus chip-sorozatban .
A CUDA SDK-t támogató hardverek első sorozata, a G8x egy 32 bites egyprecíziós vektorprocesszorral rendelkezett, amely API -ként a CUDA SDK-t használta (a CUDA támogatja a C nyelvtípust, de most a pontossága 32 bites lebegőre csökkent pont ). A későbbi GT200 processzorok támogatják a 64 bites pontosságot (csak SFU), de a teljesítmény lényegesen rosszabb, mint a 32 bitesé (a stream multiprocesszoronként csak két SFU és nyolc skaláris processzor miatt). A GPU megszervezi a hardveres többszálú feldolgozást, amely lehetővé teszi a GPU összes erőforrásának használatát. Így megnyílik a lehetőség egy fizikai gyorsító funkcióinak grafikus gyorsítóra való áthelyezésére (megvalósítási példa – PhysX ). Szintén széles lehetőségeket nyit meg a számítógépes grafikai berendezések alkalmazására összetett, nem grafikus számítások elvégzésére: például a számítási biológiában és más tudományágakban. double
Az általános célú számítástechnika grafikus API-k képességein keresztül történő megszervezésének hagyományos megközelítéséhez képest a CUDA architektúra a következő előnyökkel rendelkezik ezen a területen:
Az Nvidia hardvergyártó azon eszközeinek listája, amelyek teljes mértékben támogatják a CUDA technológiát, az Nvidia hivatalos webhelyén található [7] [8] .
A CUDA fejlesztői rendszerek kompatibilitása a számológépek generációival:
Jelenleg a következő perifériák támogatják a CUDA technológiát a PC-hardver piacon:
| Változat
specifikációk |
Építészet | GPU | A GeForce család videokártyái | A Quadro család videokártyái, NVS | Tesla videokártyák | A család videokártyái
Tegra, |
|---|---|---|---|---|---|---|
| 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 9500 GT, GeForce 9500 GT, GeForce 600, GTce 60, 800 GTce, 80 GTce 80 , 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 370, Quadro NVS4, 370 Low040 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, Quadro FX 570 Quadro FX 370M, Quadro FX 570 Quadro FX 370M, 60,10,130,10 , 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 GTS 360M, GeForce GTS 30, GTM 30, GeForce 50, GTS 30 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 for 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 for 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 620, GeForce GT 610, 5 GT 610, 4 GT 450 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 630M, GeForce GT 625M, GeForce 271,0,GTM25M,0 GeForce 610M, GeForce 820M, GeForce GTX 580M, GeForce GTX 570M, GeForce GTX 560M, GeForce GT 555M, GeForce GT 550M, GeForce GT 540M, GTXce,GTXce,GTXce,GTXce,GTXce,Gtxce,Gtxce,Gtxce,GeForce 5,5,20,5GTM,525 GeForce GTX 460M, GeForce GT 445M, GeForce GT 435M, GeForce GT 420M, GeForce GT 415M, GeForce 710M, GeForce 410M, GeForce GT 730 (DDR3 128 bites) |
Quadro 2000, Quadro 2000D, Quadro 600, Quadro 410, Quadro 4000M, Quadro 3000M, Quadro 2000M, Quadro 1000M, NVS 310, NVS 315, NVS 5400M, NVS 5400M, NVS 520, NVS 520 | |||
| 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 GTX BOOST, GeForce GTX 650 Ti GTX BOOST, GeForce GTX 650 880M, GeForce GTX 780M, GeForce GTX 770M, GeForce GTX 765M, GeForce GTX 760M, GeForce GTX 680MX, GeForce GTX 680M, GeForce GTX 675MX, GeForce GTX 675MX, GeForce GTX 670, GeForce GTXM 5, GTM 5, 6 GTX 670, 5 GTXM 670 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 K2000M Quadro K1100M Quadro K2000M Quadro N Quadro K2100M Quadro K2100M Quadro K2100M Quadro K2100M Quadro K2100M Quadro K2100M Quadro K2100M Quadro K2100M Quadro K2100M | 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 720, 40 GTX 720, GeForce 700 (64 bites, 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 830 | 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 970M, GeForce GTX9 GTX 970 | 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] | PX2 meghajtása Tegra X2-vel (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 Xavier SoC-vel | ||||
| 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 | Amper | GA100 | A100 80 GB, A100 40 GB | |||
| 8.6 | GA102, GA104, GA106 | GeForce RTX 3090, RTX 3080, RTX 3070, RTX 3060 Ti, RTX 3060, RTX 3050 Ti | RTX A6000, A40 |
|
|
|
|
|
Ez a C++ kódpélda textúrákat tölt be egy képből egy tömbbe a GPU -n :
cudaArray * cu_array ; textúra < float , 2 > tex ; // Memória lefoglalása a cudaMalloc tömbhöz ( & cu_array , cudaCreateChannelDesc < float > (), szélesség , magasság ); // Képadatok másolása a cudaMemcpy tömbbe ( cu_array , image , width * height , cudaMemcpyHostToDevice ); // A tömb hozzárendelése a cudaBindTexture textúrához ( tex , cu_array ); // A dim3 kernel indítása blockDim ( 16 , 16 , 1 ); dim3 gridDim ( szélesség / blockDim . x , height / blockDim . y , 1 ); kernel <<< gridDim , blockDim , 0 >>> ( d_adata , szélesség , magasság ); cudaUnbindTexture ( tex ); __global__ void kernel ( float * odata , int magasság , int szélesség ) { unsigned int x = blockIdx . x * blockDim . x + threadIdx . x ; unsigned int y = blockIdx . y * blockDim . y + threadIdx . y ; float c = texfetch ( tex , x , y ); odata [ y * szélesség + x ] = c ; }Példa egy Python programra , amely egy tömb elemeit szorozza meg a GPU segítségével. Az interakció PyCUDA segítségével történik [12]
import pycuda.driver mint drv import numpy drv . init () dev = drv . Eszköz ( 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]; } """ ) multiply_them = mod . get_function ( "multiply_them" ) a = zsibbadt . véletlenszerű . randn ( 400 ) . astype ( numpy . float32 ) b = numpy . véletlenszerű . randn ( 400 ) . astype ( numpy . float32 ) dest = numpy . zeros_like ( a ) multiply_them ( drv . Out ( dest ), drv . In ( a ), drv . In ( b ), block = ( 400 , 1 , 1 )) nyomtatási cél - a * b| Nvidia | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| GPU-k ( összehasonlítás ) _ |
| ||||||||||
Alaplapi lapkakészletek ( összehasonlítás ) _ |
| ||||||||||
| Egyéb |
| ||||||||||