|
|
经过多年成倍式增长，GPU的性能已经达到了可观的高度，但是显卡却总在玩游戏的时候才被大家想起，难道这么强大的计算能力仅仅是为了满足游戏玩家？显然，GPU已经不满足应用领域的狭隘，利用自身强大的计算能力向传统电脑的核心CPU提出了挑战！
“并行计算”相对“串行计算”的优势
这里我们先要提提一些基本的计算机计算概念，比如说“串行计算”和“并行计算”。串行计算是指在单个中央处理器单元上对数据进行处理，并行计算是相对于串行计算来说的，其在时间和空间上都比串行计算效率更高，时间上的并行就是指流水线技术，而空间上的并行则是指用多个处理器并发的执行计算。
CPU就是串行计算的代表，当然我们也看到其向并行计算发展的趋势，比如目前的双核、四核CPU。但是如果我们把这个概念放到GPU身上，会有惊人的发现：“核”数已经不再停留在个位，中低端的8600GT已经具备32个流处理器，而高端的9800GTX拥有128个，最新的顶级旗舰GTX280则达到了恐怖的240个！
从规格上看GPU拥有比CPU更强的计算实力，虽然GPU不可能全面取代CPU的功能，但和早期的3D计算需要大量CPU辅助一样，GPU可以在众多的应用中发挥出远非CPU所能及的性能。
2007年6月20日，NVIDIA发布了专为科学计算而生的Tesla，用GPU展现了个人超级计算的新纪元。应用于地球科学、分子生物学和医学诊断领域的高性能计算为实现重大的发现提供了可能，这些发现可能会改变数十亿人的生活。
CUDA：一个以GPU为中心的运算平台
Tesla只是NVIDIA的触角伸出传统GPU应用领域的开始，NVIDIA的野心是要打造一个以GPU为中心的运算平台——CUDA！这是Compute Unified Device Architecture的简称，也是NVIDIA树立的一个新的行业标准和未来趋势。
实际上，早在两年前发布G80系列显卡时，NVIDIA就已经预告了CUDA的到来。CUDA是世界上第一个针对GPU的C语言开发环境，可以充分应用GPU上众多流处理单元强大的浮点运算能力，解决复杂的科学运算问题。该环境目前仅支持NVIDIA GeForce8/9系列显卡以及相应的Quadro专业显卡。根据NVIDIA的测试，GeForce8800显卡在CUDA架构中的峰值运算能力可达520GFlops，因此如果构建SLI双卡系统，可以达到1TFlops，即每秒运算1万亿次的强大运算能力。
CUDA要承担的任务是让显卡可以用于图像计算以外的目的，它是一个完整的GPGPU解决方案，采用C语言作为编程语言来使用GPU强大的硬件资源。C语言目前是大学的必修课程，已经国际上普及程度最高的计算机编程语言，所以CUDA大大降低了GPU应用的门槛，大家都可以用C语言写出在显示芯片上执行的程序，而不需要去学习特定的显示芯片的指令或是特殊的结构。
使用GPU而不使用CPU从事科学计算的原因除了GPU在性能表现上更有优势外，还不能忽略GPU相对CPU低廉的价格。和高端的CPU售价比起来，GPU简直太便宜了，目前9600GT只要八百元，更高的8800GT也才一千元出头，而一颗入门的四核CPU就要上千元。
目前GPU已经是足够强大的可编程处理器，非常适合大运算量的科学应用，诸如地质勘探，生物学，流体力学，金融建模等等。通过CUDA技术，所有开发人员都能够使用标准的C语言，挖掘NVIDIA GPU中多个处理单元强大的并行计算能力。
CUDA实际应用举例
● 视频编码应用：比CPU快18倍
如今大家的手机普遍支持视频播放，但是视频却需要从电脑上进行重新编码以便让视频的分辨率和码率达到手机或则移动播放设备所支持的要求。高端用户也面临类似的问题，许多高清视频也需要经过压制成为DVDrip或则Rmvb以适合不同需要的人群。
传统的视频编码软件完全依赖CPU的计算能力，即便换上相当不错的高端CPU，一部高清视频重新编码所需要的时间往往数倍与视频本身的播放时间，这让用户苦不堪言。现在基于CUDA开发出的GPU视频编码工具却能将“压片”效率提升接近20倍！
使用主频1.6GHz的双核CPU配合集成显卡压制一部两小时长的高清视频需要10小时22分，如果换用主频高达3GHz四核CPU可以将市价缩短到5小时33分。有了基于CUDA开发的GPU编码程序，1.6GHz的双核CPU配合9600GT显卡只需要49分钟即可完成编码，搭配上旗舰显卡GTX280则仅需要35分钟。
● 期货风险控制系统：性价比提升9倍
通过大型计算机系统控制期货交易中的实时风险，有人工控制和事后控制所不具备的优势。Hanweck联手Volera对在实时应用中的整个美国期货买卖风险进行评估，分别使用GPU和CPU搭建计算能力相同服务器系统，最终GPU使用了12颗，而CPU使用了600颗。使用600颗CPU的服务器占用了使用12颗GPU服务器的九倍空间！整套装置花费成本达到了GPU服务器的六倍！而维护和使用CPU服务器一年的开销高达同计算能力GPU服务器的九倍！
● 医疗行业应用：CT立体化且提速20倍
CT是一种功能齐全的病情探测仪器，它根据人体不同组织对X线的吸收与透过率的不同，应用灵敏度极高的仪器对人体进行测量，然后将测量所获取的数据输入电子计算机，电子计算机对数据进行处理后，就可摄下人体被检查部位的断面或立体的图像，发现体内任何部位的细小病变。
使用CUDA开发的软件，让GPU代替CPU去处理数据，可以得到和以往的2D成像不一样体验的3D图片。GPU的超强计算能力使得处理器数量无需太多，可以让计算机的体积大大减小，原先大量的CPU才能完成的计算量，四颗GPU就足矣，且速度还要快上20倍。
● 地理信息系统应用：速度提升可达50倍
地理信息系统（Geographic InformATIon System，GIS）是在计算机硬、软件系统支持下，对整个或部分空间中的有关地理分布数据进行采集、储存、管理、运算、分析、显示和描述的技术系统。
使用基于CUDA开发的软件配合CPU使用效果远胜传统的CPU运算，速度可以提升10-50倍，科学家可以更为快捷及时的掌握环境数据，无论是资源管理还是灾害预防都会更为快速有效。
● 生命科学研究：等待时间缩短12倍
美国国家癌症研究所的测试表明，使用CUDA编写的程序配合GPU运算，使他们以前的等待计算机得出结果的时间由原来的2小时缩短熬了10分钟，效率提升达12倍。科学家们表示，更快的计算速度有助于他们加快新药物的开发，诸如治疗癌症、阿尔茨海默氏症，艾滋病毒感染、疟疾等。
● CAD设计：实时服装物理效果
传统的CAD设计虽然能画出漂亮的时装，但如果不生产出样品通过真人试穿就无法了解到整体效果。这就需要繁琐的工序，以及相应人力物力的投入。
现在可以通过CUDA编写的CAD程序让计算能力强大的GPU去模拟整个试衣过程，衣物的材质和光泽都可以完全拟真，并且实时演算出衣服在各种人体动作后的物理效果，包括光线变化、褶皱、形变等。这让以往的设计软件望尘莫及，使CAD设计者更有效率。当然，一切的关键还是靠CUDA开发出的软件配合GPU。
● MATLAB仿真：加速17倍
在国内也被称作《矩阵实验室》的Matlab以其强大的矩阵计算以及仿真能力成为科研人员的必备工具。目前已经有CUDA开发出来的Matlab插件可以调动GPU对软件进行加速。
在用其进行基于伪谱方法的均匀各向同性湍流直接数值模拟测试中，分别使用Core2 Duo 2.4GHz和8800GTX去进行数值分析，从同一时间成像截图上可以明显看出GPU的优势，CPU成像速度比CPU快了17倍。
高性能计算GPU更具实力
谈到GPU高性能计算，有两个问题不得不谈：GPU的先天优势和后天的发展。
先天优势上，GPU与CPU拥有不同的核心架构，CPU的架构是有利于X86指令集的串行架构，CPU从设计思路上适合尽可能快的完成一个任务；对于GPU来说，它的任务是在屏幕上合成显示数百万个像素的图像——也就是同时拥有几百万个任务需要并行处理，因此GPU被设计成可并行处理很多任务，而不是像CPU那样完成单任务。目前CPU市场已经推出了双核、三核甚至四核的产品，但是CPU的多核心概念并没有从架构上进行调整，也许可以说是同时处理两件、三件也可能是四件事情，但不是并行处理成百上千的任务。而NVIDIA公司推出GTX280已经拥有了240个流处理器，相当于240核心，其峰值处理能力超过现在最昂贵的CPU十倍以上。
后天的发展上，之前的科学家也在积极地考虑发挥GPU的高度并行优势，单之前的应用主要基于OpenGL的API上，对开发人员的门槛比较高，随着NVIDIA公司发布了其CUDA（计算标准设备架构）后，GPU进行高性能科学计算的优势显露无疑。CUDA是采用基于C语言的方式，将CPU的串行计算与GPU的并行计算优势相结合，程序开发人员在不需要调整工作习惯的前提下就可以切换到新的平台上，大大提升工作效率。我们可以想见，在不久的将来，以CUDA为代表的异构计算必将成为大规模科学运算的主角。
“视觉就是计算机”，如同NVIDIA公司创始人兼首席执行官黄仁勋所言：“无论是对普通消费者，还是专业细分市场，GPU对于当前计算机体验的核心作用正在日益显现。当然，这只是下一个传奇的开始。” |
|
IP卡
狗仔卡
发表于 2009-8-10 14:51
QQ好友和群
收藏
分享
好贴
烂贴
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡
楼主