世界是並行的:Tech-X消除GPU處理的門檻
廣大從事密集計算工作的研究人員現在能夠利用更加強勁的處理能力了。他們中的大多數人實際上在自己的計算機上便擁有這種能力,只不過還沒有發現一種將其利用起來的方法罷了。這種計算的特殊優勢源自計算機圖形系統的諸多處理器核心,然而對這些核心進行程式設計可不是那麼簡單的事。
最新的NVIDIA®(英偉達™)Tesla™ GPU最多擁有240個核心,例如NVIDIA®(英偉達™)CUDA™平行計算模型等工具讓GPU的核心能夠用於處理諸多程式。但是如果想要最大限度地利用這些核心,你必須是一名熟練掌握C語言或C++的程式設計師才行。問題是,許多高效能運算的最大受益者卻並非職業的軟體開發人員。雖然出於需要,他們能夠編寫出定製的程式碼,但是他們的本職工作卻是化學、地質學、天文學、物理學或生物學等相關工作。
Tech-X公司是一家位於美國科羅拉多州博爾德市的軟體與諮詢公司,該公司專門致力於高效能科學計算,力圖改變這一領域的發展現狀。該公司的GPUlib是一款不錯的工具,它能夠將基於GPU的計算引入到研究人員所使用的高階工具當中。這些高階工具包括ITT Visual Information Solutions的IDL、Mathworks的MATLAB以及值得信賴的老牌實驗室備用語言Fortran。
Tech-X公司空間應用副總裁Peter Messmer表示:「平行計算曾經是一個高精尖的領域。很少有應用程式旨在利用平行計算。GPU處理使其變得更加主流。直到GPU處理的問世,在實驗室實現超高效能的最經濟方式就是打造一個相對廉價的PC叢集。然而,研究人員不是電腦科學家和電氣工程師,他們往往不具備完成這項工作所需的技能。而GPU則使這項工作變得更加大眾化。」
GPU核心最擅長向量處理,向量處理是一種數學計算,其中大量的資料序列被同時處理,因為這正是GPU渲染圖形這一主要任務所需要的。這就使得Tech-X很自然地選擇在IDL與MATLAB上做文章,因為這些工具已經針對操作向量資料而進行了優化。典型應用包括針對天文學與遠端感測資料的影像處理以及醫學成像。
Messmer指出,最大的難題是讓研究人員去嘗試GPU計算。他表示:「人們已經聽說過有關GPU計算的大量報導,但是他們還是將信將疑。他們想起了幾年前現場可程式設計門陣列的大吹大擂,結果被證明是過於複雜以致人們無法用來做任何事情。GPUlib能夠有所幫助是因為它能夠利用人們在諸多難題上的已有想法。」
對於學術應用,GPUlib是免費的。對於商業應用,它的售價為495美元。GPUlib可用於Windows、Mac以及Linux。
本文是nTersect上世界並非平面,而是並行的系列專題的入門文章。本文聚焦GPU的重要性以及並行處理的未來。當今,與CPU相比,GPU在各種日益重要的領域中均能夠更快、更具成本效益地工作。這些應用領域包括醫藥、國家安全、自然資源以及應急服務。如需瞭解有關GPU及其應用的更多資訊,敬請隨時關注世界並非平面,而是並行的。
最新的NVIDIA®(英偉達™)Tesla™ GPU最多擁有240個核心,例如NVIDIA®(英偉達™)CUDA™平行計算模型等工具讓GPU的核心能夠用於處理諸多程式。但是如果想要最大限度地利用這些核心,你必須是一名熟練掌握C語言或C++的程式設計師才行。問題是,許多高效能運算的最大受益者卻並非職業的軟體開發人員。雖然出於需要,他們能夠編寫出定製的程式碼,但是他們的本職工作卻是化學、地質學、天文學、物理學或生物學等相關工作。
Tech-X公司是一家位於美國科羅拉多州博爾德市的軟體與諮詢公司,該公司專門致力於高效能科學計算,力圖改變這一領域的發展現狀。該公司的GPUlib是一款不錯的工具,它能夠將基於GPU的計算引入到研究人員所使用的高階工具當中。這些高階工具包括ITT Visual Information Solutions的IDL、Mathworks的MATLAB以及值得信賴的老牌實驗室備用語言Fortran。
Tech-X公司空間應用副總裁Peter Messmer表示:「平行計算曾經是一個高精尖的領域。很少有應用程式旨在利用平行計算。GPU處理使其變得更加主流。直到GPU處理的問世,在實驗室實現超高效能的最經濟方式就是打造一個相對廉價的PC叢集。然而,研究人員不是電腦科學家和電氣工程師,他們往往不具備完成這項工作所需的技能。而GPU則使這項工作變得更加大眾化。」
GPU核心最擅長向量處理,向量處理是一種數學計算,其中大量的資料序列被同時處理,因為這正是GPU渲染圖形這一主要任務所需要的。這就使得Tech-X很自然地選擇在IDL與MATLAB上做文章,因為這些工具已經針對操作向量資料而進行了優化。典型應用包括針對天文學與遠端感測資料的影像處理以及醫學成像。
Messmer指出,最大的難題是讓研究人員去嘗試GPU計算。他表示:「人們已經聽說過有關GPU計算的大量報導,但是他們還是將信將疑。他們想起了幾年前現場可程式設計門陣列的大吹大擂,結果被證明是過於複雜以致人們無法用來做任何事情。GPUlib能夠有所幫助是因為它能夠利用人們在諸多難題上的已有想法。」
對於學術應用,GPUlib是免費的。對於商業應用,它的售價為495美元。GPUlib可用於Windows、Mac以及Linux。
本文是nTersect上世界並非平面,而是並行的系列專題的入門文章。本文聚焦GPU的重要性以及並行處理的未來。當今,與CPU相比,GPU在各種日益重要的領域中均能夠更快、更具成本效益地工作。這些應用領域包括醫藥、國家安全、自然資源以及應急服務。如需瞭解有關GPU及其應用的更多資訊,敬請隨時關注世界並非平面,而是並行的。
來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/22785983/viewspace-667580/,如需轉載,請註明出處,否則將追究法律責任。
相關文章
- Java 中的並行處理Java並行
- GPU 加速下的影象處理GPU
- oracle的並行世界Oracle並行
- ArcGIS Desktop 工具的並行處理並行
- 世界是並行的:平行計算的機遇與挑戰並行
- 並行處理 Parallel Processing並行Parallel
- GPU的並行運算與CUDA的簡介GPU並行
- PyTorch 60 分鐘入門教程:資料並行處理PyTorch並行
- C#中的並行處理、並行查詢的方法你用對了嗎?C#並行
- Java多執行緒並行處理任務的實現Java執行緒並行
- 利用opencv進行簡易的拍照並處理照片OpenCV
- nodejs“並行”處理嘗試NodeJS並行
- 用 ParallelJS 並行處理 JavaScriptParallelJS並行JavaScript
- 薦讀解惑 | FPGA是有門檻的,零基礎並不是你想的那樣,不要再被忽悠了!FPGA
- jive中隊如下特效的處理是在那進行的?特效
- 開多個JVM進行並行處理是否可行?JVM並行
- 淺析Node是如何進行錯誤處理的
- MPP(大規模並行處理)簡介並行
- PHP多程式處理並行處理任務例項(轉,備用)PHP並行
- 真正的門檻 – 全乾工程師工程師
- 真正的門檻 - 全乾工程師工程師
- 站在新技術的門檻上
- 多流向演算法GPU並行化演算法GPU並行
- 第六篇:GPU 並行優化的幾種典型策略GPU並行優化
- 使用 Rx 的計算和最大化執行緒處理並行任務執行緒並行
- 低門檻究竟是深度學習的危機,還是契機?深度學習
- 【問題處理】同樣的並行表,同樣的索引結構,不同的執行計劃並行索引
- Android註解處理初探:使用註解處理器消除樣板程式碼Android
- 可重複使用的水處理顆粒有效地消除了BPA
- 蘋果A12是四核還是六核處理器?iPhone Xs的處理器是幾核的蘋果iPhone
- Thread是如何處理Runnable的thread
- 50行爬蟲?️抓取並處理圖靈書目爬蟲圖靈
- MPP大規模並行處理架構詳解並行架構
- 用批處理檔案編譯並執行java編譯Java
- 超越批處理的世界:流計算101
- 處理海量資料的模式MapReduce,大規模資料集的並行運算模式並行
- 遊戲筆記本門檻提高 GeForce GTX 1650成新門檻遊戲筆記
- gpu是什麼 gpu和cpu的區別介紹GPU