Каждый имеет этот огромный массивно распараллеленный суперкомпьютер на своем рабочем столе в виде графической карты GPU.
-Adam
Откажитесь от CUDA от NVidia, IMO - это самая простая платформа для программирования GPU. Есть тонны прохладных материалов для чтения.
http://www.nvidia.com/object/cuda_home.html
Привет, мир будет делать любые вычисления с использованием графического процессора.
Надеюсь, что это поможет.
Я думаю, что другие ответили на ваш второй вопрос. Что касается первого, "Hello World" CUDA, я не думаю, что существует стандартный набор, но лично я бы рекомендовал параллельный сумматор (т.е. Программу, суммирующую N целых чисел).
Если вы посмотрите пример "сокращения" в SDK NVIDIA, то наглядно простую задачу можно расширить, чтобы продемонстрировать многочисленные соображения CUDA, такие как совлокальные чтения, конфликты банков памяти и разворот цикла.
См. эту презентацию для получения дополнительной информации:
http://www.gpgpu.org/sc2007/SC07_CUDA_5_Optimization_Harris.pdf
Взгляните на ATI Stream Computing SDK. Он основан на BrookGPU, разработанном в Стэнфорде.
В будущем все работы графического процессора будут стандартизированы с использованием OpenCL. Это инициатива, спонсируемая Apple, которая будет нейтральной производителем видеокарты.
CUDA - отличная основа для начала. Он позволяет записывать ядра GPGPU в C. Компилятор будет генерировать микрокод GPU из вашего кода и отправлять все, что работает на CPU, в ваш обычный компилятор. Это NVIDIA только, хотя и работает только на картах 8-й серии или лучше. Вы можете проверить зону CUDA, чтобы узнать, что с ним можно сделать. В CUDA SDK есть несколько отличных демонстраций. Документация, которая поставляется с SDK, является хорошей отправной точкой для написания кода. Он проведет вас через написание ядра умножения матрицы, которое станет отличным местом для начала.
OpenCL - это попытка сделать кросс-платформенную библиотеку, способную программировать код, подходящий, в частности, для графических процессоров. Он позволяет писать код, не зная, на каком графическом процессоре он будет работать, тем самым упростив использование некоторых возможностей графического процессора без особого подхода к нескольким типам графических процессоров. Я подозреваю, что это не так хорошо, как собственный код графического процессора (или такой же родной, как и производители графических процессоров), но компромисс может стоить того, что нужно для некоторых приложений.
Он все еще находится на относительно ранних этапах (1.1 из этого ответа), но приобрел некоторую тягу в отрасли - например, он поддерживается на OS X 10.5 и выше.
Линия LibSh имеет хорошее описание того, как они привязывают язык программирования к графическим примитивам (и, очевидно, самим примитивам), а GPU ++ описывает все, что связано с примерами кода.
Возможно, вам понравится GPGPU IDE, которая скрывает ненужную сложность для общих экспериментов с GPU. В настоящее время ядра могут быть запрограммированы для шейдеров OpenCL и/или GLSL.
Еще один простой способ попасть в программирование графического процессора, не входя в CUDA или OpenCL, - это сделать OpenACC.
OpenACC работает как OpenMP, с директивами компилятора (например, #pragma acc kernels) для отправки работы на GPU. Например, если у вас есть большой цикл (только более крупные из них действительно выгодны):
int i;
float a = 2.0;
float b[10000];
#pragma acc kernels
for (i = 0; i < 10000; ++i) b[i] = 1.0f;
#pragma acc kernels
for (i = 0; i < 10000; ++i) {
b[i] = b[i] * a;
}
Изменить: к сожалению, только компилятор PGI действительно поддерживает OpenACC прямо сейчас, для графических карт NVIDIA.
Если вы используете MATLAB, довольно просто использовать графический процессор для технических вычислений (вычисления матрицы и тяжелая математика/хруст числа). Я считаю, что это полезно для использования графических карт за пределами игр. Посмотрите ссылку ниже:
Мне также интересна эта тема и параллельное программирование. И я нашел ссылку , пожалуйста, посмотрите Udacity.com!