CUDA () – opracowana przez firmę Nvidia uniwersalna architektura procesorów wielordzeniowych (głównie kart graficznych) umożliwiająca wykorzystanie ich mocy obliczeniowej do rozwiązywania ogólnych problemów numerycznych w sposób wydajniejszy niż w tradycyjnych, sekwencyjnych procesorach ogólnego zastosowania.
Architektura Integralną częścią architektury CUDA jest oparte na języku programowania C środowisko programistyczne wysokiego poziomu, w którego skład wchodzą m.in. specjalny kompilator (nvcc), debugger (cuda-gdb, który jest rozszerzoną wersją debuggera gdb umożliwiającą śledzenie zarówno kodu wykonywanego na CPU, jak i na karcie graficznej), profiler oraz interfejs programowania aplikacji. Dostępne są również biblioteki, które można wykorzystać w językach Python, Fortran, Java, C# oraz Matlab. Pierwsze wydanie środowiska współpracowało z systemami operacyjnymi Windows oraz Linux. Od wersji 2.0 działa również z macOS.
Zalety Język programowania oparty na językach C/C++, w tym pełna obsługa szablonów C++. Model pamięci procesora ściśle odpowiadający architekturze sprzętowej, co umożliwia świadome, efektywne wykorzystywanie dostępnych zasobów GPU, w tym pamięci współdzielonej. Pamięć ta jest współdzielona przez wszystkie wątki w tzw. bloku (zwykle 128-512 wątków). Można jej używać jako programowalnej pamięci typu cache. Kod uruchamiany na GPU może odczytywać i zapisywać dane z dowolnego adresu w pamięci GPU. Pełna kompatybilność programów – napisany dziś program wykonywalny ma w przyszłości działać bez żadnych zmian na coraz wydajniejszych procesorach graficznych posiadających coraz większą liczbę rdzeni, rejestrów, pamięci operacyjnej i innych zasobów. Dostępność na wszystkich kartach firmy NVIDIA począwszy od serii GeForce 8 w tym Quadro oraz TeslaLista kart graficznych wspieranych przez CUDA.. Obsługa procesorów ARM (od wersji 6.5) Obecnie nawet starsze laptopy często mają kartę graficzną zawierającą rdzenie CUDA(2018).
Ograniczenia CUDA korzysta z podzbioru języka C++. Nie można na przykład definiować statycznych zmiennych wewnątrz funkcji, a funkcje mogą mieć tylko stałą liczbę parametrówCUDA C Programming Guide.. Dla liczb zmiennoprzecinkowych podwójnej precyzji (dostępnych w nowszych procesorach) istnieją pewne odstępstwa od standardu w zakresie zaokrąglania liczb. Przepustowość i opóźnienia magistrali PCI-Express łączącej CPU i GPU mogą być wąskim gardłem w przypadku przesyłania dużej ilości danych. CUDA jest dostępna jedynie dla kart graficznych produkowanych przez firmę NVIDIA
Zastosowania W grach komputerowych moc obliczeniową można wykorzystać do obliczeń fizyki w grach, ale CUDA jest również wykorzystywana do przyspieszania obliczeń w takich dziedzinach jak biologia, fizyka, kryptografia i inne obliczenia inżynierskie. Dla potrzeb tego segmentu Nvidia opracowała specjalny procesor graficzny Tesla.
Przyspieszenie szyfrowania i kompresji oraz konwersji wideo do różnych formatów Symulacje fizyczne (np. w dynamice płynów) i obliczenia inżynierskie Renderowanie wirtualnej rzeczywistości na podstawie tomografii komputerowej i rezonansu magnetycznego Efekty specjalne w grafice komputerowej, np. symulacje falujących powierzchni ubrań Sztuczna inteligencja
Niektóre projekty przetwarzania rozproszonego BOINC wykorzystują do obliczeń architekturę CUDALiczenie na GPU (lista projektów i kart).GPU computing – BOINC..
Wersja 3.x Kolejna wersja architektury CUDA (CUDA 3.0) obsługuje procesory graficzne o architekturze Fermi. Cuda 3.0 zapewnia pełniejsze wsparcie dla konstrukcji języka C++ (m.in. jednolitą przestrzeń adresową dla wskaźników, obsługę dziedziczenia, a od wersji 3.1 – funkcji rekurencyjnych i wskaźników na funkcje). Cuda 3.0 umożliwia wykonywanie kilkunastu kerneli jednocześnie na jednym GPU (o architekturze Fermi). Wraz z nową generacją procesorów Nvidia udostępniła wsparcie dla środowiska Visual Studio 2008NVIDIA Parallel Nsight..
Zobacz też OpenCL Nvidia Nvidia Tesla NVIDIA Quadro Shader
Przypisy
Linki zewnętrzne CUDA Zone – strona producenta technologii CUDA NVIDIA CUDA C SDK Code Samples – strona z przykładowymi programami
Kategoria:GPGPU Kategoria:Nvidia Kategoria:Silniki fizyki