Tesla

  • ¿QUÉ ES GPU COMPUTING?
  • APLICACIONES DE LA GPU
  • SERVERS AND WORKSTATIONS

¿Qué es la computación de la GPU?

GPGPU, CUDA Y Kepler

¿QUÉ ES LA COMPUTACIÓN ACELERADA POR LA GPU?

La computación acelerada por la GPU es el uso de una unidad de procesamiento de gráficos (GPU) junto con una CPU para acelerar las aplicaciones empresariales, científicas y de ingeniería. En 2007, NVIDIA fue pionera en el desarrollo de las GPU que ahora potencian centros de datos con eficiencia energética en laboratorios gubernamentales, universidades, grandes compañías y pequeñas y medianas empresas de todo el mundo.

¿Cómo se aceleran las aplicaciones con GPUs?

La computación acelerada por la GPU ofrece un rendimiento sin precedentes en las aplicaciones al descargar a la GPU las partes de las aplicaciones con uso intensivo de cálculos, mientras que el resto del código se sigue ejecutando en la CPU. Desde la perspectiva del usuario, las aplicaciones simplemente se ejecutan mucho más rápido.

¿Cómo se aceleran las aplicaciones con GPUs?
 

LA CPU FRENTE A LA GPU

Una forma sencilla de entender la diferencia entre una CPU y una GPU es comparar cómo procesan las tareas. Una CPU se compone de varios núcleos optimizados para el procesamiento secuencial de serie, mientras que una GPU se compone de miles de núcleos más pequeños y eficientes diseñados para el manejo de múltiples tareas al mismo tiempo.

 

GPUs tienen miles de núcleos para procesar cargas de trabajo paralelas de manera eficiente

GPUs tienen miles de núcleos para procesar cargas de trabajo paralelas de manera eficiente

Vea en el siguiente videoclip una entretenida analogía de la CPU y la GPU.

Vea en el siguiente videoclip una entretenida analogía de la CPU y la GPU


Cientos de aplicaciones líderes del sector ya están aceleradas por la GPU. Vea nuestro catálogo de aplicaciones para descubrir si las aplicaciones que usa están aceleradas por la GPU.

CÓMO EMPEZAR

Hay tres enfoques básicos para la adición de la aceleración de GPU para sus aplicaciones:
  • Usar bibliotecas optimizadas por la GPU
  • Agregar instrucciones o “tips” para el compilador con el fin de que paralelice automáticamente su código
  • Usar extensiones para los lenguajes de programación que ya conoce, como C y Fortran

Es fácil aprender a usar las GPU con el modelo de programación paralela de CUDA.

Para clases en línea de forma gratuita y recursos para desarrolladores de visite la Zona CUDA.

VISITE CUDA ZONE