Bosh sahifa > Ko'rgazma > Kontent

Intel Graphics Technology oqimlarni qayta ishlash va umumiy maqsadli GPU'lar (GPGPU)

Mar 12, 2019

Umumiy hisoblangan grafik protsessor birligidan (GPGPU) oqim protsessorining o'zgartirilgan shakli sifatida (yoki vektorli protsessor), hisoblash yadrolarini ishlatish tobora keng tarqalgan. Ushbu kontseptsiya zamonaviy grafik akseleratorning shader quvur liniyasining katta hisoblash kuchini umumiy maqsadli hisoblash quvvatiga aylantiradi, faqat grafik operatsiyalarni bajarish uchun simli bo'lish kabidir. Katta vektorli operatsiyalarni talab qiluvchi ba'zi ilovalarda, bu an'anaviy protsessorga qaraganda yuqori ish ko'rsatkichlarining bir necha buyrug'ini beradi. GPU dizaynerlari, AMD va Nvidia, ikkita eng katta diskret (yuqorida "Yuqoridagi maxsus grafik kartochkalarni" qarang), bu yondashuvni bir nechta ilovalar bilan boshlashga kirishmoqdalar. Nvidia va AMD Stenford Universiteti bilan Protein katlama hisob-kitoblari uchun Folding uyda tarqatilgan hisoblash loyihasi uchun GPU asosidagi mijozni yaratish uchun birlashdilar. Muayyan holatlarda GPU an'anaviy bunday dasturlarda ishlatiladigan an'anaviy protsessorlarga qaraganda qirq marta tezroq hisoblaydi.


GPGPU ko'plab sharmandali parallel vazifalarni, shu jumladan nurni kuzatishni ham qo'llash mumkin. Ular odatda GPU ning keng vektor kengligi SIMD arxitekturasidan foydalanish uchun ma'lumotlar parallelizmini namoyish qiluvchi yuqori hisobga olish turiga asoslangan hisob-kitoblarga mos keladi.


Bundan tashqari, GPU asosidagi yuqori performansli kompyuterlar keng miqyosli modellashda muhim rol o'ynaydi. Dunyoning eng kuchli 10 superkompyuterining uchtasi GPU tezlashmasidan foydalanadi.


GPU OpenCL va OpenMP kabi C dasturlash tiliga API kengaytmalarini qo'llaydi. Bundan tashqari, har bir GPU sotuvchisi, faqat AMD va Nvidia'dan o'z kartalari, AMD APP SDK va CUDA bilan ishlaydigan o'z API-ni taqdim etdi. Ushbu texnologiyalar ma'lum funktsiyalarni oddiy C dasturidan hisoblash yadrolari deb ataladi, ular GPU ning oqimlarini qayta ishlash jarayonida ishlaydi. Bu C dasturlari GPU ning katta tamponlarda parallel ravishda ishlashga qobiliyatidan foydalanishiga imkon beradi, ayni paytda CPU foydalanganda foydalanadi. CUDA shuningdek, CPU-ga asoslangan ilovalarni grafik APIni ishlatish cheklovisiz umumiy maqsadli hisoblash uchun GPU resurslariga bevosita kirish imkonini beradigan birinchi API.


2005 yildan beri GPUlar tomonidan umuman evolyutsion hisob-kitoblarni bajarish uchun va ayniqsa, genetik dasturlarda fitness baholarini tezlashtirish uchun ishlashdan manfaatdorlik mavjud. Ko'pchilik yondashuvlar kompyuterda lineer yoki daraxt dasturlarini tuzadi va bajariladigan faylni ishlash uchun GPUga o'tkazadi. Odatda ishlash afzalligi faqat bitta faol dasturni bir vaqtning o'zida GPU ning SIMD arxitekturasidan foydalanib parallel ravishda ko'plab misol muammolari bilan ishlaydi. [68] [69] Shu bilan birga, dasturlarni kompilyatsiya qilmaslik va ularni sharhlash uchun GPUga o'tkazish orqali sezilarli tezlashtirish ham mumkin. Keyinchalik, bir vaqtning o'zida bir nechta misol muammolarini yoki ikkalasining kombinatsiyasini bir vaqtning o'zida bir nechta dasturlarni tarjima qilish orqali tezlashuvni olish mumkin. Zamonaviy GPU bir vaqtning o'zida yuz minglab juda kichik dasturlarni izohlashi mumkin.


Volsta va Turing arxitektorlaridan foydalangan holda Nvidia Quadro ish stantsiyasi kartalari kabi zamonaviy ish stantsiyasining ba'zi zamonaviy ish stantsiyalari tensorli chuqur ilova dasturlarini ishlab chiqarishga bag'ishlangan. Nvidia ning hozirgi GPU-laridagi ushbu yadrolarni Tensor Cores deb atashadi. Ushbu GPUlar odatda FLOPS ko'rsatkichlarini sezilarli darajada oshirib, 4x4 matritsalarni ko'paytirish va bo'linishdan foydalanib, ba'zi ilovalarda 128 TFLOPSgacha bo'lgan apparatning ishlashini ta'minlaydi. Ushbu tensor yadrolari Turing me'morchiligi bilan ishlovchi iste'mol kartalarida, ehtimol, AMD tomonidan iste'mol kartalarining Navi seriyasida paydo bo'lishi kerak.