CUDA
CUDA-Z就像我们常用的GPU-Z,但是具体参数就变成了针对CUDA应用方面的信息,支持CUDA信息查询,还可以测试电脑CUDA的速度。
|
软件语言:简体中文
|
软件授权:免费
|
|
适用系统:Windows
|
创建时间:2021-06-24 |
|
软件厂商/开发者信息: -
|
|
应用范围
计算行业正在从只使用 CPU 的“中央处理”向 CPU 与 GPU 并用的“协同处理”发展。为打造这一全新的计算典范,NVIDIA®(英伟达™)发明了 CUDA(Compute Unified Device Architecture,统一计算设备架构)这一编程模型,是想在 应用程序中充分利用 CPU 和 GPU 各自的优点。现在,该架构现已应用于 GeForce®(精视™)、ION™(翼扬™)、Quadro 以及 Tesla GPU(图形处理器)上,对 应用程序开发人员来说,这是一个巨大的市场。
在消费级市场上,几乎每一款重要的消费级视频 应用程序都已经使用 CUDA 加速或很快将会利用 CUDA 来加速,其中不乏 Elemental Technologies 公司、MotionDSP 公司以及 LoiLo 公司的产品。
在科研界,CUDA 一直受到热捧。例如,CUDA 现已能够对 AMBER 进行加速。AMBER 是一款分子动力学模拟程序,全世界在学术界与制药企业中有超过 60,000 名研究人员使用该程序来加速新药的探索工作。
在金融市场,Numerix 以及 CompatibL 针对一款全新的对手风险 应用程序发布了 CUDA 支持并取得了 18 倍速度提升。Numerix 为近 400 家金融机构所广泛使用。
CUDA 的广泛应用造就了 GPU 计算专用 Tesla GPU 的崛起。全球财富五百强企业现在已经安装了 700 多个 GPU 集群,这些企业涉及各个领域,例如能源领域的斯伦贝谢与雪佛龙以及银行业的 法国巴黎银行。
随着 微软 Windows 7 与苹果 Snow Leopard 操作系统的问世,GPU 计算必将成为主流。在这些全新的 操作系统中,GPU 将不仅仅是 图形处理器,它还将成为所有 应用程序均可使用的通用并行处理器。
发展历程
随着 显卡的发展,GPU 越来越强大,而且 GPU 为显示图像做了优化。在计算上已经超越了通用的 CPU。如此 强大的芯片如果只是作为 显卡就太浪费了,因此 NVidia 推出 CUDA,让显卡可以用于图像计算以外的目的。
目前只有 G80、G92、G94、G96、GT200、GF100、GF110、GK100、GK104、GK107 平台(即 GeForce 8~Gecorce GTX780Ti)的 NVidia 显卡才能使用 CUDA,工具集的核心是一个 C 语言 编译器。G80 中拥有 128 个单独的 ALU,因此非常适合 并行计算,而且数值计算的速度远远优于 CPU。
CUDA 的 SDK 中的 编译器和开发平台支持 Windows、Linux 系统,可以与 Visual Studio2005,2008,2010 集成
在一起。
Geforce8CUDA(Compute Unified Device Architecture)是一个新的基础架构,这个架构可以使用 GPU 来解决商业、工业以及科学方面的复杂计算问题。它是一个完整的 GPGPU 解决方案,提供了 硬件的直接访问接口,而不必像传统方式一样必须依赖图形 API 接口来实现 GPU 的访问。在架构上采用了一种全新的计算 体系结构来使用 GPU 提供的 硬件资源,从而给大规模的数据计算应用提供了一种比 CPU 更加强大的计算能力。CUDA 采用 C 语言作为 编程语言提供大量的 高性能计算指令开发能力,使开发者能够在 GPU 的强大计算能力的基础上建立起一种效率更高的密集数据计算解决方案。
从 CUDA 体系结构的组成来说,包含了三个部分:开发库、运行期环境和驱动(表 2)。
开发库是基于 CUDA 技术所提供的应用开发库。目前 CUDA 的 1.1 版提供了两个标准的数学运算库——CUFFT(离散 快速傅立叶变换)和 CUBLAS(离散基本线性计算)的实现。这两个数学运算库所解决的是典型的大规模的 并行计算问题,也是在密集数据计算中非常常见的计算类型。开发人员在开发库的基础上可以快速、方便的建立起自己的计算应用。此外,开发人员也可以在 CUDA 的技术基础上实现出更多的开发库。
运行期环境提供了应用开发接口和运行期组件,包括基本 数据类型的定义和各类计算、类型转换、内存管理、设备访问和执行调度等函数。基于 CUDA 开发的程序代码在实际执行中分为两种,一种是运行在 CPU 上的宿主代码(Host Code),一种是运行在 GPU 上的设备代码(Device Code)。不同类型的代码由于其运行的物理位置不同,能够访问到的资源不同,因此对应的运行期组件也分为公共组件、宿主组件和设备组件三个部分,基本上囊括了所有在 GPGPU 开发中所需要的功能和能够使用到的资源接口,开发人员可以通过运行期环境的 编程接口实现各种类型的计算。
由于目前存在着多种 GPU 版本的 NVidia 显卡,不同版本的 GPU 之间都有不同的差异,因此驱动部分基本上可以理解为是 CUDA-enable 的 GPU 的设备抽象层,提供 硬件设备的抽象访问接口。CUDA 提供运行期环境也是通过这一层来实现各种功能的。目前基于 CUDA 开发的应用必须有 NVIDIA CUDA-enable 的 硬件支持,NVidia 公司 GPU 运算事业部总经理 Andy Keane 在一次活动中表示:一个充满生命力的 技术平台应该是开放的,CUDA 未来也会向这个方向发展。由于 CUDA 的体系结构中有 硬件抽象层的存在,因此今后也有可能发展成为一个通用的 GPGPU 标准接口,兼容不同厂商的 GPU 产品
工具包
是一种针对支持 CUDA 功能的 GPU(图形处理器)的 C 语言开发环境。CUDA 开发环境包括:
· nvcc C 语言编译器
· 适用于 GPU(图形处理器)的 CUDA FFT 和 BLAS 库。
· 分析器
· 适用于 GPU(图形处理器)的 gdb 调试器(在 2008 年 3 月推出 alpha 版)
· CUDA 运行时(CUDA runtime)驱动程序(目前在标准的 NVIDIA GPU 驱动中也提供)。
CUDA 编程手册
CUDA 开发者软件开发包(SDK)提供了一些范例(附有 源代码),以帮助使用者开始 CUDA 编程。这些范例包括:
· 并行双调排序
· 矩阵乘法
· 矩阵转置
· 利用计时器进行性能评价
· 并行大 数组的前缀和(扫描)
· 图像卷积
· 使用 Haar 小波的一维 DWT
· OpenGL 和 Direct3D 图形互操作示例
· CUDA BLAS 和 FFT 库的使用示例
· CPU-GPU C—和 C++—代码集成
· 二项式 期权定价模型
· Black-Scholes 期权定价模型
· Monte-Carlo 期权定价模型
· 并行 Mersenne Twister(随机数生成)
· 并行直方图
· 图像去噪
· Sobel 边缘检测滤波器
· MathWorks MATLAB®
新的基于 1.1 版 CUDA 的 SDK 范例现在也已经发布了。
技术功能
· 在 GPU(图形处理器)上提供标准 C 编程语言
· 为在支持 CUDA 的 NVIDIA GPU(图形处理器)上进行 并行计算而提供了统一的软 硬件解决方案
· CUDA 兼容的 GPU(图形处理器)包括很多:从低功耗的 笔记本上用的 GPU 到高性能的,多 GPU 的系统。
· 支持 CUDA 的 GPU(图形处理器)支持并行 数据缓存和线程执行管理器
· 标准 FFT(快速傅立叶变换)和 BLAS(基本线性代数子程序)数值 程序库
· 针对计算的专用 CUDA 驱动
· 经过优化的,从 中央处理器(CPU)到支持 CUDA 的 GPU(图形处理器)的直接上传、下载通道
· CUDA 驱动可与 OpenGL 和 DirectX 图形驱动程序实相互操作
· 支持 Linux 32 位/64 位以及 Windows XP 32 位/64 位 操作系统
· 为了研究以及开发语言的目的,CUDA 提供对驱动程序的直接访问,以及汇编语言级的访问。
发展现况
支持 CUDA 的 GPU 销量已逾 1 亿,数以千计的 软件开发人员正在使用免费的 CUDA 软件开发工具来解决各种专业以及家用 应用程序中的问题。这些 应用程序从视频与音频处理和物理效果模拟到 石油天然气勘探、产品设计、医学成像以及科学研究,涵盖了各个领域。
CUDA 的核心有三个重要抽象概念:线程组层次结构、共享存储器、屏蔽同步(barrier
synchronization),可轻松将其作为 C 语言的最小扩展级公开给程序员。
CUDA 软件 堆栈由几层组成,一个 硬件驱动程序,一个 应用程序编程接口 (API)
和它的 Runtime,还有二个高级的通用数学库,CUFFT 和 CUBLAS。硬件被设计成支持轻
量级的驱动和 Runtime 层面,因而提高性能。
所支持的 OS(operating system)
CUDA 目前支持 linux 和 Windows 操作系统。进行 CUDA 开发需要依次安装驱动、toolkit、SDK 三个 软件。在 安装目录/C/src 目录下有很多的例程可以进行学习。
NVIDIA 进军高性能计算领域,推出了 Tesla&CUDA 高性能计算系列解决方案,CUDA 技术,一种基于 NVIDIA 图形处理器(GPU)上全新的 并行计算体系架构,让科学家、工程师和其他专业技术人员能够解决以前无法解决的问题,作为一个专用高性能 GPU 计算解决方案,NVIDIA 把超级计算能够带给任何工作站或服务器,以及标准、基于 CPU 的 服务器集群
CUDA 是用于 GPU 计算的开发环境,它是一个全新的软 硬件架构,可以将 GPU 视为一个并行数据计算的设备,对所进行的计算进行分配和管理。在 CUDA 的架构中,这些计算不再像过去所谓的 GPGPU 架构那样必须将计算映射到图形 API(OpenGL 和 Direct 3D)中,因此对于开发者来说,CUDA 的开发门槛大大降低了。CUDA 的 GPU 编程语言基于标准的 C 语言,因此任何有 C 语言基础的用户都很容易地开发 CUDA 的 应用程序。
由于 GPU 的特点是处理密集型数据和并行数据计算,因此 CUDA 非常适合需要大规模 并行计算的领域。目前 CUDA 除了可以用 C 语言开发,也已经提供 FORTRAN 的应用接口,未来可以预计 CUDA 会支持 C++、Java、Python 等各类语言。可广泛的应用在图形动画、科学计算、地质、生物、物理模拟等领域。
2008 年 NVIDIA 推出 CUDA SDK2.0 版本,大幅提升了 CUDA 的使用范围。使得 CUDA 技术愈发成熟
背景
计算正在从 CPU"中央处理"向 CPU 与 GPU"协同处理"的方向发展。为了实现这一新型计算模式,英伟达发明 了英伟达™ CUDA™ 并行计算架构。该架构现在正运用于英伟达™ (NVIDIA) Tesla™、英伟达™ Quadro (NVIDIA Quadro) 以及英伟达™ 精视™ (NVIDIA GeForce) GPU 上。对 应用程序开发商来说,英伟达™ CUDA™ 架构拥有庞大的用户群。
在科学研究领域,英伟达™ CUDA™ 受到狂热追捧。例如,英伟达™ CUDA™ 能够加快 AMBER 这款分子动力学模拟程序的速度。全球有 6 万余名学术界和制药公司的科研人员使用该程序来加速新药开发。在金融市场,Numerix 和 CompatibL 已宣布在一款对手风险 应用程序中支持英伟达™ CUDA™ ,而且因此实现了 18 倍速度提升。
在 GPU 计算领域中,英伟达™ Tesla™ GPU 的大幅增长说明了英伟达™ CUDA™ 正被人们广泛采用。目前,全球《财富》五百强企业已经安装了 700 多个 GPU 集群,从能源领域中的斯伦贝谢和雪佛龙到银行业中的 法国巴黎银行,这些企业的范围十分广泛。
版本列表
-
-
-
CUDA-Z v0.9.231.0 官方版
CUDA-Z就像我们常用的GPU-Z,但是具体参数就变成了针对CUDA应用方面的信息 ...
软件大小:2.2 MB 更新时间:2014-12-08
-
