優(yōu)異專業(yè)卡降臨！CUDA市場總經(jīng)理專訪
簡單的理解，CUDA架構(gòu)就是讓之前只能處理圖像渲染的GPU通用化處理任何類型的計算，而能夠?qū)崿F(xiàn)任意類型計算的處理器只有CPU，但CPU的計算能力相對于CPU來說很弱，尤其是在處理一些高性能計算的時候CPU的性能明顯不足。GPU的通用化可以讓需要高性能計算的時候直接調(diào)用GPU進行計算，CPU僅僅是處理程序本身的一些工作。
目前，支持CUDA的GPU銷量已逾1億，數(shù)以千計的軟件開發(fā)人員正在使用免費的CUDA軟件開發(fā)工具來解決各種專業(yè)以及家用應(yīng)用程序中的問題。這些應(yīng)用程序從視頻與音頻處理和物理效果模擬到石油天然氣勘探、產(chǎn)品設(shè)計、醫(yī)學(xué)成像以及科學(xué)研究，涵蓋了各個領(lǐng)域。目前市面上已經(jīng)部署了超過一億顆支持CUDA的GPU，數(shù)以千計的軟件開發(fā)人員正在使用免費的CUDA軟件工具來為各種應(yīng)用程序加速。
MPI與CUDA應(yīng)用程序相結(jié)合，當(dāng)應(yīng)用程序發(fā)出MPI收發(fā)調(diào)用指令時，例如OpenMPI等改編的MPI軟件可通過Infiniband與顯卡顯存自動收發(fā)數(shù)據(jù)。
GPU多線程共享，多個CPU主線程能夠在一顆GPU上共享運行環(huán)境，從而使多線程應(yīng)用程序共享一顆GPU變得更加輕松。
單CPU線程共享多GPU，一個CPU主線程可以訪問系統(tǒng)內(nèi)的所有GPU。 開發(fā)人員能夠輕而易舉地協(xié)調(diào)多顆GPU上的工作負荷，滿足應(yīng)用程序中“halo”交換等任務(wù)的需要。
全新的NPP圖像與計算機視覺庫，其中大量圖像變換操作讓開發(fā)人員能夠快速開發(fā)出成像以及計算機視覺應(yīng)用程序。
關(guān)注我們
