The scripts we use to build and test these projects (and others that do not yet entirely work) are available on github. You can use these to reproduce our results (and find bugs!). Which GPUs are supported?# The following GPU targets are supported, and are covered by our nightly tests: AMD gfx900 (Vega 10, GCN 5.0) AMD gfx1030 (Navi 21, RDNA 2.0) AMD gfx1100 (Navi 31, RDNA 3.0) The following GPU t
gpgpuに関するWatsonのブックマーク (90)
-
Watson 2024/07/16
-
-
-
CPUとGPUのマルチスレッディングの違いについて - arutema47's blog
"Locality is efficiency, Efficiency is power, Power is performance, Performance is King", Bill Dally マルチスレッディングとは？ CPUとGPUのマルチスレッディングの違いをブログにまとめていたけど例によって誰も興味なさそう— arutema47 (@arutema47) 2021年8月16日 つぶやいたら読みたい方が多そうだったので完成させました。 マルチスレッディングとはメモリ遅延を隠蔽しスループットを上げるハードウェアのテクニックです。 ただCPUとGPUで使われ方がかなり異なるため、その違いについて考えてみる記事です。 （SIMDについて並列プログラミングの観点から触れるべきでしたが、時間無いマルチスレッディングに注目するため初版では省きました。） 本記事について 本記事はCPUとG
-
CUDAより高速化可能で簡単なOpenACCのランタイム関数で実行中のPGI Unified Binaryの演算デバイスを切り替えられるのか検証してみた - Qiita
// ホストとGPU間でやり取りするデータの指定（無くても動く） #pramga acc data copy(a[:N], b[:N], result[:N]) { // GPUでの演算対象コードの指定 #pragma acc kernels // それぞれのループに対する指定（無くても動く、independentは独立した配列の意） #pragma acc loop independent for (i=0; i<N; i++) { result[i] = a[i] * b[i]; } } また、一時期、OpenMPにオフロードが追加された12のでそっちに流れたほうが良いという記事がQiita13でも書かれていましたが、それは過去の状況下での話です。PGI Compiler の OpenACC → 最適な GPU バイナリの生成能力はNVIDIA自身が力を入れて何年も掛けてようやく形にな
-
-
［GTC 2017］西川善司の3DGE：Volta世代のGPU「GV100」は，これまでと大きく異なるプロセッサだ――いったい何が？
［GTC 2017］西川善司の3DGE：Volta世代のGPU「GV100」は，これまでと大きく異なるプロセッサだ――いったい何が？ ライター：西川善司 NVIDIAは，GTC 2017の会期3日めとなる北米時間2017年5月10日に開催された基調講演で，最新アーキテクチャ「Volta」（ヴォルタ）世代のGPU「GV100」ベースの数値演算アクセラレータ「Tesla V100」を発表した。 基調講演でNVIDIAのJensen Huang氏が，GV100搭載のTesla V100を掲げた（関連記事） 基調講演の後には，「Inside Volta」（Voltaの内部）という，そのままなタイトルのセッションがあり，アーキテクチャのより深い話を聞くことができたので，今回はその内容をレポートすることにしたい。 ちなみに登壇者は，いつものJonah Alben氏ではなく，エンジニアであるOlivie
-
-
CUDAとOpenCLどっちがいいの？ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? TL;DR: そもそも単純に比べんな。ナイフとノコギリがどっちがいいかなんて一概には言えないだろう？ Twitterに書いたら思ったより反応されてるので、もうちょっと解説も兼ねて書いておきます。 なお、この話はtweetにもある通り某所で発表したやつの公開版です。前にも観たって方は内緒にしておいてください。 あと、若干、個人的な偏見を含んでいるかもしれませんが、そのあたりは頑張ってフィルターかけてください。 CUDA GeForceやTeslaといった、NVIDIA社のGPUでGPGPUしたい人がまず使うプログラミング環境。実質的にGP
-
-
terracuda
Writeup Summary We created a high-level Lua/Terra API which uses CUDA to execute Terra functions on the GPU. Our API can translate arbitrary Terra code to CUDA code and handles all device memory management and similar issues behind the scenes. Background Writing GPU code is time-consuming. CUDA, the best available language for GPU programming, requires a lot of work from the programmer in order to
-
AMD、OS X 10.11 El Capitanに向けてGPU・OpenCLドライバを大きく改善。Blenderなどの3DCGツールが恩恵を受けられるもよう。
Blender is a free, open source 3D animation suite. Blender includes the Cycles render engine. The Cycles engine converts a 3D model into the 2D representation you see on the computer screen, using ray tracing technology. […] AMD undertook to improve the support for GPU compute inside Blender Cycles. [Collaboration and Open Source at AMD: Blender Cycles – AMD] Windows環境でCPUのみ／AMD A10 7800B APU／dGPU
-
GPGPUプログラミングのためのRuby言語処理系Ikra – プログラミング研究室
GPGPUプログラミングのためのRuby言語処理系Ikra GPGPUはその性能が注目される一方で、プログラミングの手間が問題となっています。そこで、Rubyからの言語変換により簡単にGPGPUプログラムを作成することのできる言語処理系Ikraを提案します。言語変換という手法を用いることにより、カーネル(GPU実行部)内もRubyで記述することが可能となります。 ソースコード https://prg-titech.github.io/ikra-ruby/ 関連プロジェクト Ikraプロジェクトから派生して低レベル言語や他言語での研究、また仕様検証などにも取り組んでいます。 DynaSOAr: Efficient Parallel Object Allocator for GPGPU Proof of Soundness of Concurrent Separation Logic for
-
OpenCLやる前にSIMD使い切れっていう幻想 - aokomoriuta's blog
お詫び アライン忘れてましたごめんなさい、でも時間あんまり変わってないから許して・・・ https://t.co/JNtq2U2kMq— 青子守歌 (@aokomoriuta) April 29, 2015 では本編どうぞ↓ 本編 若干話題に乗り遅れた感ありますが。 d.hatena.ne.jp けど、SSEも知らねー、SIMDも知らねー、なんか俺が書いたアルゴリズム遅いけどとりあえずOpenCLとかで高速化しよっかなーとかね、甘ったれてんじゃねえよ。CPUをもっと使いきれよ。お前のアオいコードのせいでCPUが泣いてるよ。っていう話ですよ。 GPGPUなんてのはSIMDを使い切った後の話でしょ。 GPGPUするのにGPUのパワーとメモリが足りませんとか言う前にまずSIMDからだろ。 とか言われてたので、検証することにした（やっつけ）。 環境 OS: Windows 7 Profession
-
CUDA：「超並列コンピューティング」はじめました
昨年末に気の早いお年玉が届きました。GPUでおなじみのNVIDIAさんとご縁があって、GeForce GTX750が乗ったビデオカードを貸してもらえることになりまして。GTX750に詰め込まれた512個ものコアを汎用の計算装置として使えるなんてワクワクするじゃないですか。NVIDIAさんへのお礼を兼ねて、GPUを使った超並列コンピューティング環境：CUDA（クーダ）に手を染めるオハナシです。 本記事はNVIDIAの協力に基づいて記事作成しております。 はじめに その昔、GPUは3次元空間に浮かぶオブジェクトに光を当て（ライティング）、影をつけ（シェーディング）、写真を撮ったかのように二次元平面に投影する（レンダリング）一連の処理を専用のハードウェアで実現していたのですが、やがてプログラマブルな計算ブロック（プログラマブルシェーダ）で行うようになりました。最終的には数百万個のピクセル一つ一つ
-
(JP) GPGPUがPostgreSQLを加速する
2. 自己紹介 ▌名前: 海外 浩平 ▌所属： NEC OSS推進センター ▌好きなもの： コアの多いプロセッサ ▌嫌いなもの： コアの少ないプロセッサ ▌経歴: HPC OSS/Linux SAP GPU/PostgreSQL ▌Tw: @kkaigai ▌主な仕事 SELinux周り諸々 (2004~) •Lockless AVC、JFFS2 XATTRなど PostgreSQL周り諸々 (2008~) •SE-PostgreSQL、Security Barrier View、Writable FDWなど PG-Strom (2012~) DB Tech Showcase 2014 Tokyo; PG-Strom - GPGPU acceleration on PostgreSQL Page. 2 4. GPU (Graphic Processor Unit) の特
-
フルパワーで加速するGPUの咆哮を聞け!最先端GPUでPostgreSQLを20倍高速化!?:電脳ヒッチハイクガイド:電脳空間カウボーイズZZ(電脳空間カウボーイズ) - ニコニコチャンネル:生活
GPUってあるだろ? グラフィックス・プロセッシング・ユニット。 コンピュータの中で最も高速な部品はなんといってもGPUだ。 たとえばnViditaの最新SoCであるTegra K1。 CPU部は単精度で73.6ギガFLOPS(フロップス)、だがGPU部は364.8ギガFLOPSだ。 これが30万円する最新のGPUボード、GeForce GTX TITAN Zになると、なんとびっくり、8テラFLOPSだ。 これはIntelの最高級IA-64チップ、Xeon ES-2687Wの198.4ギガFLOPSを大きく上回る。 Core i7は92ギガFLOPSに過ぎない。 ちなみにかつて数億円したスーパーコンピュータ、Cray-2はわずか1.9ギガFLOPSに過ぎず、今のコンピュータがどれだけ速いか窺い知れる。JAMSTECの地球シミュレータは131テラFLOPSだが、追いつかれるのは時間の問題だろ
-
-
-
GTC 2014 - GPUの浮動小数点演算の精度:理論と実践(前編)
GTC 2014において、Lars Nyland、Dale Southard、Alex Fit-Floreaという3人の NVIDIAの技術者が、浮動小数点演算に関する誤解を解き、精度の高い計算を行うための手法を説明するという発表を行った。 Top500に使われるHPL(High Performance Linpack)の計算をCPUとGPUにやらせて、その中間結果を詳細に比較すると、値が微妙に異なっている。このため、GPUの浮動小数点演算の精度が低く、誤差が出ているという認識を持っている人がいる。 しかし、IEEE 754規格では、計算結果は無限精度で計算した値を、数値表現が持つビット数(10進の場合の有効桁数)に丸めた答えを出すと規定されており、IEEE 754規格に準拠していれば、CPUでもGPUでも加減乗除の計算の答えは完全に一致していなければならない。 それでは、なぜHPLなどの
公式Twitter
- @HatenaBookmark
リリース、障害情報などのサービスのお知らせ
- @hatebu
最新の人気エントリーの配信
キーボードショートカット一覧
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Copyright © 2005-2025 Hatena. All Rights Reserved.
設定を変更しました