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
CUDAでプログラミングする前にやっておきたいこと - 株式会社CFlatの明後日スタイルのブログ
こちらの記事もご確認下さい。 CUDA6.0用にCPUとGPUの速度比較コードを修正 - 株式会社CFlatの明後日スタイルのブログ GPUとCPUの速度比較をしたい 以前CUDAでのプログラミングが完成した際に、CPUとの速度比較を行いたいという当たり前の要望が上がりました。 そこでGPUとCPUを切り替えるコードを作成したのですが、どうせなら最初から作っておくべきだったと反省しました。 今回はその際に作成したGPUとCPUの速度比較コードを公開します。 OpenMPの設定 GPUとCPUの速度比較をする際にCPUの方も並列化しないと不公平です。CPUの並列化には設定が簡単なOpenMPを使います。 CUDAプロジェクトでOpenMPを使用できるようにするには、プロジェクトのプロパティを開き、構成プロパティ/CUDA C/C++/Command Lineの追加オプションに-Xcompil
Modern GPU
© 2013, NVIDIA CORPORATION. All rights reserved. Code and text by Sean Baxter, NVIDIA Research. (Click here for license. Click here for contact information.) Modern GPU is code and commentary intended to promote new and productive ways of thinking about GPU computing. This project is a library, an algorithms book, a tutorial, and a best-practices guide. If you are new to CUDA, start here. If you'r
NVIDIA，2014年を目処に「Tegra」で64bitアーキテクチャ採用。CUDAのオープン化でエコシステムの拡大を図る
NVIDIA，2014年を目処に「Tegra」で64bitアーキテクチャ採用。CUDAのオープン化でエコシステムの拡大を図る ライター：米田 聡 GTC Asia 2011の会場は，北京市内に位置する「国家会議中心」（China National Convention Center：CNCC）だ 中国・北京において2011年12月14〜15日の日程で開催されたNVIDIA主催のイベント「GPU Technology Conference Asia 2011」（以下，GTC Asia 2011）は，GPUコンピューティングをテーマとした開発者向けのイベントである。 当然，話題としてゲームの話が直接聞けるというものではなかったが，GPUメーカーであるNVIDIAがいま何を推進しているのかを知ることは，今後のゲームを考えていくうえでいろいろと参考になるはずだ。 というわけで，GTC Asia 2
GPUによる数値計算
1．はじめに 2．GPU 3．GPGPU 4．CUDA 5．特異値分解 6．QR 分解 7．実験 8．考察・課題 近年のグラフィックスプロセッサ（以下 GPU）の性能向上は著しく理論ピーク性能が 500GFLOPS を超えるまでに成長している（図１）．GPU は本来グラフィックス処理専用のハードウェアであったがその処理能力の高さから汎用処理向けの研究が盛んに行われている． 一方，データマイニング，画像処理など広い分野で利用される数値線形代数アルゴリズムに特異値分解がある．各分野において扱う問題の大規模化に伴い，高速な実装が強く求められている． 本研究は現在データマイニングの分野などで需要の高い特異値分解をGPUによって高速化することを目的とした実験を行なった． ほとんどの GPU のハードウェアは現在 NVIDA 社と AMD 社の２大メーカによって作られている．GPU
エクサを目指せ！──「NVIDIA GTC Workshop Japan 2011」基調講演
超並列演算処理で重要なのは“消費電力” エヌビディア ジャパンは、7月22日にCUDA環境を利用する開発者に向けた「NVIDIA GTC Workshop Japan 2011」を行った。基調講演では、NVIDIA共同創立者 兼 上級副社長のクリス・A・マラコウスキー氏がこれからのGPUコンピューティングに求められる課題について説明した。また、エヌビディアジャパン代表 兼 米国本社上級副社長のスティーブ・ファーニー・ハウ氏が、日本のおけるGPUコンピューティングの現状を紹介した。 マラコウスキー氏は、薬品、地球物理、天体、工業設計などの各種シミュレーションで演算とその結果の視覚化などのコンピューティング利用は、科学技術の作業において、“第3の柱”として重要なものであると述べた。そのうえで、薬品開発では、従来数時間から数日を要していた分子レベルの分析演算をTeslaで数秒に短縮でき、また、従
Ubuntu 10.04にCUDAをインストールした時のメモ - irieめも
CUDAの使えるGPU (GeForce GTX 470) を搭載したPCを購入して、Ubuntu 10.04環境にインストールしてみたので、手順をまとめてみました。 下の動画は、CUDAをテストするために作った数値計算のプログラムの結果から gnuplot と ImageMagick を利用して作成したものです。 インストールは以下の順序で行います。 Ubuntu 10.04 NVIDIA製ディスプレイドライバ CUDAプログラムのコンパイルに必要なライブラリ等 CUDA Toolkit 3.1 GPU Computing SDK 3.1 Ubuntu 10.04 インストール方法はいろいろなところに書かれているので、ここでは省略します。今回使用したPCは Core i7 CPU + メインメモリー 4GiB ということで、64bit版を入れました。 余談ですが、メモリーはその後12Gi
CUDAとGPUコンピューティングの広がり
CUDAの普及 2006年にG80世代のGPUとともに発表されたCUDAは、当初は大学や独立の研究機関などを中心に、新しい計算手法あるいは計算の加速方法として注目を受け始めました。 研究者や専門家の皆さんが自らの研究課題をCUDA Cを使ってプログラミングすることにより、これまで数日間かけて行っていた計算内容を数時間に短縮することが可能になりました。 また、GPUの高い計算能力が新たな研究課題への取り組みを可能にし、GPUコンピューティングの学術研究目的への利用が広がりました。 その研究成果は各専門分野の学会やNVIDIAのCUDAゾーンなどでも公開されてきました。 このような状況の中で、2008年にCUDAの利用方法について、1つの転機が訪れました。 2008年6月に米Elemental Technologiesが発表した「BadaBOOM Media Converter」のトランスコー
複合並列コンピューティングの必要性とFermiの登場
ムーアの法則の限界について、最近いろいろな議論がなされ始めています。 NVIDIAの主席研究員ビル・ダリー（前スタンフォード大学コンピュータ・サイエンス学部長）も"forbes.com"で述べているように、ムーア（Gordon Moore）は、45年前に書いた論文の中で 「半導体集積回路上のトランジスタ数は18カ月ごとに2倍になる」と予測しています。 また、この予測が次の予測「トランジスタ数が2倍になることにより、CPUの処理能力も18カ月ごとに2倍になる」の基になっています。 確かに、1980年代から90年代にかけて、この予測は真実でした。製造業の技術革新から、サービス業やメディア産業の発展、さらには電子商取引、社会全体のネットワーク化とモバイル機器の発達といった新規ビジネスにいたるまで、経済全般にわたって、ムーアの法則は生産性の向上に寄与してきました。 実は、CPU処理能力の向上は、ム
世界最高速クラスなスパコン「TSUBAME 2.0」の作り方
「GPGPUを載せれば速くなる？ そんな単純な物じゃない」――東京工業大学の学術国際情報センターの松岡 聡教授、同じく青木尊之教授が、NVIDIA主催のイベント「GPGPUコンピューティング2010」の基調講演で、現在建設中の世界最高速クラススーパーコンピュータ「TSUBAME 2.0」の高速化の秘密を明かした。 GPGPUを使う理由は高速演算だけじゃない！ 最初に登壇したNVIDIAの特別研究員、デビッド・B.カーク氏は「GPGPUを使えば高速演算できる。というだけでは、もう驚きではない。GPGPUを使う理由はほかにある」と切り出した。 世界第2位のスーパーコンピュータ「Dawning Nebulae」（中国）は、4640個のTesla（GPU）を並列演算することで、1.27Pflopsを叩き出す。しかし、現在は単に演算処理性能を競うだけでなく、消費電力あたりの演算処理性能が重視されてい
CUDA Information Site
NVIDIA CUDA Information Site — unleash the power of GPU / GPUのパワーを引き出そう — NVIDIA CUDA Information サイト（以下「本サイト」）は、マルチコアソリューションを提供するフィックスターズの技術者有志が運営する、NVIDIA CUDAの普及と利用促進を目的とする情報公開と情報交換のためのサイトです。 本サイトでは、NVIDIA社が発売するGPUアクセラレーターボードTesla C1060/S1070 (Tesla）上のCUDAアプリケーション開発に関する情報を中心として、GPUに関する各種の情報をお伝えします。
CUDA Education & Training
Accelerate Your Applications Learn using step-by-step instructions, video tutorials and code samples. Accelerated Computing with C/C++ Accelerate Applications on GPUs with OpenACC Directives Accelerated Numerical Analysis Tools with GPUs Drop-in Acceleration on GPUs with Libraries GPU Accelerated Computing with Python Teaching Resources Get the latest educational slides, hands-on exercises and acc
Luciad | NVIDIA
NVIDIA® のデータ センター GPU を使用することで、最も要求の厳しい HPC やハイパースケール データ センターのワークロードを高速化できます。データ サイエンティストや研究者は、エネルギー探査からディープラーニングまで、幅広いアプリケーションで、従来の CPU よりもはるかに高速に数ペタバイトのデータを解析できるようになりました。さらに、NVIDIA のアクセラレータは大規模なシミュレーションをかつてない速さで実行するために必要な馬力を提供します。また、NVIDIA GPU によって、仮想デスクトップ、アプリケーション、ワークステーションに最高のパフォーマンスとユーザー密度をもたらします。 NVIDIA のパートナー企業は、多様な AI、HPC、アクセラレーテッド コンピューティング ワークロードに対応できるさまざまな最新サーバーを提供しています。NVIDIA は、ワークロー
【特集】超並列プロセサ - GeForceアーキテクチャとCUDAプログラミング (1) グラフィックプロセッシング | エンタープライズ | マイコミジャーナル
最近、GPUの計算性能の高さからGPGPU(General Purpose Computation on Graphics Processing Unit)とかGPUコンピューティングとか言われる、GPUを科学技術計算処理に利用する研究が盛んになっている。また、GPUを製造するNVIDIAは、科学技術計算を3Dグラフィックスに続く新市場として捉えており、Teslaという科学技術計算用の製品を発売し、GPU上のプログラム開発環境としてCUDA(Compute Unified Device Architecture)を公開している。但し、NVIDIAのDavid Kirkチーフサイエンティストは最近、"GPGPU is dead, GPU Computing is the future for affordable supercomputing"と題した講演を行っており、同社はGPGPUという
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
