Dengan daya proses GPUs (yaitu. grafik chip yang ditempatkan di VGA) Semakin hari makin meningkat sampai ke titik yang lebih tangguh dibanding CPU yang reguler untuk kalkulasi matematik,pembahasan GPU tidak bisa digunakan sebagai CPU untuk memproses program-program reguler. Gagasan, yang dikenal sebagai GPGPU (General-purpose computation on GPUs), untuk diberikan kepada kalkulasi GPU yang sebagaimana akan dilaksanakan oleh CPU untuk meningkatkan kinerja.
Masalahnya adalah bagaimana caranya untuk melakukan hal ini, sebagai seorang programmer mau tidak mau harus mengetahui bagaimana caranya memprogram pada suatu GPU yang spesifik untuk membuat suatu program yang bisa menggunakan sistim GPU, dan program ini tidak akan bekerja dengan suatu GPU yang berbeda.
Untuk memecahkan isu ini nVidia meluncurkan suatu compiler C yang cuma-cuma kepada GeForce 8800 series mereka, dinamakan CUDA. Dengan CUDA setiap programmer dapat dengan mudah mengcompile program-program mereka yang ditulis didalam bahasa C dengan menggunakan kuasa sistim GPU untuk memproses program mereka.
Selangkah lebih maju , nVidia meluncurkan satu rangkaian “kartu video” yang dinamakan Tesla. Ini adalah “Video card ” tonjolkan GeForce 8800 GPUs tetapi mereka tidak menghasilkan video: mereka ditargetkan untuk digunakan seperti CPUs, pengolahan dan memprogram. Di dalam artikel ini, kita akan mengatakan kepada anda segala hal yang anda perlu untuk memahami tentang Tesla, termasuk banyak gambar-gambar dari solusi-solusi Tesla.
Program-program ini yang harus di-compile dengan CUDA. Para pemakai biasa tidak akan mendapatkan manfaat dari teknologi ini, janganberpikir bahwa dengan memasang satu card ini di PC mu, kinerja pengolahan komputer anda akan secara otomatis terjadi peningkatan.
Segala hal kalkulasi yang berat dalam pemrograman dalam mengerjakan berbagai hal di dalam paralel dapat diuntungkan dari penggunaan dari GPGPU , jika mereka di-compile untuk menggunakan GPU, tentu saja. Hal ini dimasukkan di dalamnya kebanyakan simulasi-simulasi (ilmu fisika, keuangan, medis, biologi dan bahan kimia, sebagai contoh).
Satu hal sangat yang menarik tentang CUDA adalah bahwa anda tidak perlu untuk memiliki Card Tesla yang diinstall untuk menggunakan nya. Maka seorang programmer dapat membeli setiap kartu video dari GeForce 8800 rangkaian dan mencoba nya untuk melihat jika menggunakan GPU sebagai ganti CPU itu akan sesungguhnya memperbaiki kinerja dari aplikasi yang sedang ditulis. Jika itu membuat rencana bagus, lalu programmer itu dapat berpikir tentang membeli lebih sistem daya, yakni Tesla Solusi.
Sejauh ini nVidia sudah meluncurkan tiga produk Tesla: Basic Card, dengan nama C870, yang adalah suatu GeForce 8800 Video Card tetapi tanpa keluaran video. “C” adalah “Card”. Card ini mempunyai 15 GB dari memori dan mempunyai suatu kinerja pengolahan math dari 500 GFLOPS (billions of floating-point operations per second). Menggunakan suatu patokan PCI Express x16 Konektor card ini dapat diinstall di setiap komputer desktop.
Masalahnya adalah bagaimana caranya untuk melakukan hal ini, sebagai seorang programmer mau tidak mau harus mengetahui bagaimana caranya memprogram pada suatu GPU yang spesifik untuk membuat suatu program yang bisa menggunakan sistim GPU, dan program ini tidak akan bekerja dengan suatu GPU yang berbeda.
Untuk memecahkan isu ini nVidia meluncurkan suatu compiler C yang cuma-cuma kepada GeForce 8800 series mereka, dinamakan CUDA. Dengan CUDA setiap programmer dapat dengan mudah mengcompile program-program mereka yang ditulis didalam bahasa C dengan menggunakan kuasa sistim GPU untuk memproses program mereka.
Selangkah lebih maju , nVidia meluncurkan satu rangkaian “kartu video” yang dinamakan Tesla. Ini adalah “Video card ” tonjolkan GeForce 8800 GPUs tetapi mereka tidak menghasilkan video: mereka ditargetkan untuk digunakan seperti CPUs, pengolahan dan memprogram. Di dalam artikel ini, kita akan mengatakan kepada anda segala hal yang anda perlu untuk memahami tentang Tesla, termasuk banyak gambar-gambar dari solusi-solusi Tesla.
Program-program ini yang harus di-compile dengan CUDA. Para pemakai biasa tidak akan mendapatkan manfaat dari teknologi ini, janganberpikir bahwa dengan memasang satu card ini di PC mu, kinerja pengolahan komputer anda akan secara otomatis terjadi peningkatan.
Segala hal kalkulasi yang berat dalam pemrograman dalam mengerjakan berbagai hal di dalam paralel dapat diuntungkan dari penggunaan dari GPGPU , jika mereka di-compile untuk menggunakan GPU, tentu saja. Hal ini dimasukkan di dalamnya kebanyakan simulasi-simulasi (ilmu fisika, keuangan, medis, biologi dan bahan kimia, sebagai contoh).
Satu hal sangat yang menarik tentang CUDA adalah bahwa anda tidak perlu untuk memiliki Card Tesla yang diinstall untuk menggunakan nya. Maka seorang programmer dapat membeli setiap kartu video dari GeForce 8800 rangkaian dan mencoba nya untuk melihat jika menggunakan GPU sebagai ganti CPU itu akan sesungguhnya memperbaiki kinerja dari aplikasi yang sedang ditulis. Jika itu membuat rencana bagus, lalu programmer itu dapat berpikir tentang membeli lebih sistem daya, yakni Tesla Solusi.
Sejauh ini nVidia sudah meluncurkan tiga produk Tesla: Basic Card, dengan nama C870, yang adalah suatu GeForce 8800 Video Card tetapi tanpa keluaran video. “C” adalah “Card”. Card ini mempunyai 15 GB dari memori dan mempunyai suatu kinerja pengolahan math dari 500 GFLOPS (billions of floating-point operations per second). Menggunakan suatu patokan PCI Express x16 Konektor card ini dapat diinstall di setiap komputer desktop.
Gambar 1: Tesla C870 card.
Gambar 2: Terlihat bagaimana card ini tidak memiliki video output.
Basic dari kartu ini adalah building block untuk kedua produk Tesla lainnya , yang tersedia: D870 dan S870.
D870 –di mana “D” di atasnya nama mewakili “Desktop” –adalah suatu kasus eksternal kecil berisi dua kartu C870, sehingga daya proses dari solusi ini berasal dari 1 TFLOP (trillion of floating-point of operations per second). pada kasus ini disambungkan ke PC utama melalui suatu kabel , yang mana pada dasarnya adalah suatu perluasan PCI Express bus.
D870 –di mana “D” di atasnya nama mewakili “Desktop” –adalah suatu kasus eksternal kecil berisi dua kartu C870, sehingga daya proses dari solusi ini berasal dari 1 TFLOP (trillion of floating-point of operations per second). pada kasus ini disambungkan ke PC utama melalui suatu kabel , yang mana pada dasarnya adalah suatu perluasan PCI Express bus.
Figure 3: Casing kecil pada gambar adalah Tesla D870, dimana terdapat dua C870 cards.
Facebook
0 comments:
Post a Comment