¿CUDA? Programación Paralela de GPU – NVIDIA
Autor: Valeria Arias, Digital Marketing Strategist at MR SOLUTIONS
El término se acuñó en 2006 y se refiere a dos cosas:
Se refiere a la arquitectura masivamente paralela de GPU’s modernos con cientos de core’s , por otro lado, también refiere al modelo de programación paralela de CUDA utilizada para programar GPU’s. Se necesitaba de algúna manera el programar todos estos core’s de forma eficiente y fácil, así que ahora contamos con CPU’s con demasiados core’s y también GPU’s con cientos de core’s y podemos utilizar ambos procesadores juntos como un sistema heterogéneo y obtener la mejor ventaja de cada tipo de procesador.
BENEFICIOS
El primero de todos los beneficios es que ahora se pueden procesar cientos de millones de elementos para una tarea en particular y paralelamente.
Nos da una forma cercana en la que se puede colaborar y comunicar con tareas de forma eficiente, así que en este sistema heterogéneo existen CPU’s y GPU’s que juntos pueden procesar una serie de elementos aunque el CPU con muchos core’s, cada core operan juntos en cualquier momento y con GPU’s son cientos de core’s, cada core trabaja en cientos o millones de hilos de forma simultánea, así que el GPU trabaja en cualquier momento.
¿CUDA ES PARA TÍ?
CUDA provee un camino intuitivo y escalable que expresa paralelismo. NVIDIA escribe un programa para un elemento de data y automáticamente se distribuye en cientos de cores.
Si es para tí, depende de lo que las cargas de trabajo de tus aplicaciones requieran. Si tienes una tarea orientada a una plicación como por ejemplo una que necesite actualizar cinco registros dentro de la base de datos, entonces quizá GPU Computing no es la mejor opción, por otro lado, si tienes una gran cantidad de data por procesar como por ejemplo buscar a través de un terabyte de datos o una simulación molecular masivamente paralela o simulación de ingeniría, GPU Computing puede ser una muy buena opción para ti. Cientos de GPU brindan una forma de alto rendimiento el procesamiento de nuestra computadora.
¿Más información?
https://developer.nvidia.com/cuda-toolkit
