GPU(图形处理器)计算的发展历史 GPU是相对于CPU的一个概念,由于在现代的计算机中图形的处理变得越来越重要,需要一个专门的图形的核心处理器。NVIDIA(英伟达)推出了第一款 GPU(图形处理器)。 1999-2000 年间,计算机科学家,与诸如医疗成像和电磁等领域的研究人员,开始使用 GPU(图形处理器)来运行通用计算应用程序。他们发现 GPU(图形处理器)具备的卓越浮点性能可为众多科学应用程序带来显著的性能提升。这一发现掀起了被称作 GPGPU(GPU(图形处理器)通用计算)的浪潮。 进入21世纪,为了解决CPU发展遇到的上述瓶颈,x86处理器进入了多核时代,GPU也进入了通用处理时代。GPU设备的高浮点运算能力受到越来越多的科研人员所青睐。 其实GPU(图形处理器)计算模型就是在一个异构计算模型中同时使用了 CPU 和 GPU(图形处理器)。应用程序的顺序部分在 CPU 上运行,计算密集型部分在 GPU(图形处理器)上运行。虽然应用程序使用了 GPU(图形处理器)的卓越性能来提升运行性能,但对用户而言,他们所能感知到的将仅仅是运行速度更快的应用程序。 应用程序开发人员将需要修改其应用程序中的计算密集型内核,并将其关联到 GPU(图形处理器)。应用程序的其它部分将仍然依赖于 CPU 进行处理。将一项功能关联到 GPU(图形处理器)需要重写功能,以在其中支持并行处理,同时添加“C”关键字以在应用程序和 GPU(图形处理器)之间往返传输数据。 GPU(图形处理器)计算得到了 NVIDIA(英伟达)被称作 CUDA 架构的 GPU(图形处理器)大规模并行架构的支持。CUDA 架构由 100 多个处理器内核组成,这些内核能够协作运行来处理应用程序中的数据集。>>
|
正在阅读:万亿次计算 未来CPU+GPU承载超算未来万亿次计算 未来CPU+GPU承载超算未来
2012-09-14 09:03
出处:PConline原创
责任编辑:xujian1
键盘也能翻页,试试“← →”键
本文导航 | ||
|