PPT Entorno Basado en El Lenguaje C

5/11/2018 PPT Entorno Basado en El Lenguaje C - slidepdf.com

http://slidepdf.com/reader/full/ppt-entorno-basado-en-el-lenguaje-c 1/37

Universidad Nacional Federico Villarreal

Facultad de Ingeniería Electrónica e Informática

Tópicos Avanzados de Ingeniería Informática

Bernal Punil Katerin Leon Ingaruca Richard Miñan Castillo Erika



Contenido

Introducción

1. Conocimientos Previos

2. NVIDIA

3. CUDA4. Ventajas y Desventajas

5. Aplicaciones6. Biografía



TITULO

INTRODUCCIÓN



La computación ha evolucionado desde el "procesamiento central"en la CPU hasta el "coprocesamiento" en la CPU y la GPU. Paraposibilitar este nuevo paradigma de computación, NVIDIA inventóla arquitectura de computación paralela CUDA que ahora se ofrececon las GPU Tesla™, Quadro® y GeForce®, lo que representa unasignificativa base instalada para los desarrolladores deaplicaciones.



TITULO

1. Conocimientos Previos



1.1 CPU.

Componente del computador y otros dispositivos programables,que interpreta las instrucciones contenidas en los programas yprocesa los datos.

Los CPU proporcionan la característica

fundamental de la computadora digitaly son uno de los componentesnecesarios encontrados en lascomputadoras de cualquier tiempo,

junto con el almacenamiento primario ylos dispositivos de entrada/salida.



1.2 GPU.

Procesador dedicado al procesamiento de gráficos u operacionesde coma flotante, para aligerar la carga de trabajo del procesadorcentral en aplicaciones como los videojuegos y o aplicaciones 3Dinteractivas.



1.3 Tarjetas Gráficas.

Es una tarjeta de expansión para una computadora u ordenador,encargada de procesar los datos provenientes de la CPU y

transformarlos en información comprensible y representable en undispositivo de salida, como un monitor o televisor.



1.4 Programación Paralela.

La computación paralela es una técnica de programación en la quemuchas instrucciones se ejecutan simultáneamente. Se basa en elprincipio de que los problemas grandes se pueden dividir en

partes más pequeñas que pueden resolverse de formaconcurrente ("en paralelo").



2. NVIDIA



• Jen-Hsun Huang, Chris Malachowsky, y Curtis

Priem fundaron la compañíaen enero de 1993 y situaron la sede

.



Productos• GeForce: experiencias visuales impresionantes

GeForce procesadores ofrecen contenido visualincreíble, ya sea en el última versión de DirectX 11 juegos o películas en 3D. Los jugadores pueden

innovaciones que se complementan GeForce

• Quadro: El estándar para gráficos profesionales

Los animadores, locutores, efectos visuales artistas ydiseñadores industriales abrumadoramente el usoQuadro.



Más Productos• Tesla: Acelerar la Ciencia

Los científicos y los investigadores de todo elmundo están utilizando GPUs Tesla de hacerfrente a los desafíos más complejos, desde la

encontrar una cura para el cáncer.

• Tegra: el chip Super Mobile

Tegra incorpora una CPU de doble núcleo, así como una GPU GeForce para los usuarios puedendisfrutar de las capacidades multitarea



2011• NVIDIA anunció la tercera conferencia anual de tecnología de

GPU (GTC), el evento más importante del mundo, mostrandolos avances en ciencias de la computación con la GPU, se

llevará a cabo en el Centro de San Jose McEnery el Conveniode 14 a 17 may 2012.

• NVIDIA adquirió Icera, un innovador líder de procesadores dean a e a o ren m en o para y , e onos ce u ares y

tabletas.

• NVIDIA Quadro poderes de los cinco nominados al Oscar 2011en la categoría de Mejor Efectos Visuales.

• NVIDIA ha anunciado que ha firmado un nuevo contrato deseis años de licencia cruzada acuerdo con Intel. Para el usofuturo de la tecnología de NVIDIA, Intel pagará NVIDIA untotal de $ 1.5 mil millones en derechos de licencia a pagar encinco cuotas anuales, a partir del 18 de enero 2011.



2011

• El LG Optimus 2X, Motorola Atrix 4G (AT & T) y Motorola DroidBionic (Verizon) superphones con Tegra fueron anunciados.Motorola anunció dos tabletas de nido de abeja - la tabletaXOOM para Verizon y tabletas sin nombre de AT & T, mientrasque LG ha anunciado el G-Tablet funcionamiento de nido deabeja en la red 4G de T-Mobile.

•

BMW y NVIDIA anunció una asociación que pone a las GPUsde NVIDIA en la navegación y los sistemas de información devehículos a través de todos los coches de nueva generación deBMW en todo el mundo.

• NVIDIA anunció que los procesadores Tegra potencia lanavegación de información y entretenimiento.



CUDA es un lenguaje de programación que usa la unidad grafica de procesamientoque permite que los cálculos se puedan realizar de forma paralela, obteniendo unasignificante velocidad



3.1 ¿Cómo funciona?



GPU tiene un montón de pequeñas unidades de aritmética lógica (ALU), encomparación con unos pocos más grandes en la CPU.



Las GPUs pueden ejecutar un núcleo o grupo de trabajo a la vez. Cada núcleo tienebloques, que son grupos independientes de la ALU, a su vez cada bloque se compone dehilos, que son el nivel de la computación. Los hilos de cada bloque suelen trabajar juntos para calcular un valor.



3.2 Modelo de programación



La GPU es vista como un mecanismo de cálculo para ejecutar una parte de unaaplicación que:

Tiene que ser ejecutado varias vecesSe puede aislar como una funciónTrabaja de manera independiente en los datos diferentes



3.3 Memoria GPU



Hilos en el mismo bloque pueden compartir la memoria.En CUDA, el envío de información de la CPU a la GPU es a menudo la parte máscostosa del cálculo.Para cada hilo, la memoria local es el más rápido, seguido por la memoria compartida,

global, permanente y de memoria de textura son los más lentos todos.



3.4 Ejemplo: Suma de Vectores



Suma de Vectores : CPU



Suma de Vectores : GPU



TITULO

4. Ventajas y Desventajas



Ventajas.

Lecturas dispersas: se puede consultar cualquier posición dememoria.

Memoria compartida: CUDA pone a disposición delprogramador un área de memoria de 16KB (ó 48KB en la serieFermi que se compartir entre t rea s.

Lecturas más rápidas de y hacia la GPU.

Soporte para enteros y operadores a nivel de bit.



Desventajas. Se orienta únicamente a GPUs Nvidia.

No se puede utilizar recursividad, punteros a funciones,

variables estáticas dentro de funciones o funciones connúmero de parámetros variable.

No está so ortado el renderizado de texturas.

En precisión simple no soporta números desnormalizados oNaNs.

Puede existir un cuello de botella entre la CPU y la GPU por losanchos de banda de los buses y sus latencias.

Los threads, por razones de eficiencia, deben lanzarse en

grupos de al menos 32, con miles de hilos en total.



5. Aplicaciones



FAST VIDEO TRANSCODING

• Badaboom, es posible codificar la película ocualquier archivo de vídeo más rápido que en

tiempo real, ya que la conversión de vídeos noocupa masivamente la CPU, sino que realiza loscálculos utilizando la GPU.

• vReveal, que es capaz de realizar una serie demejoras en movimiento por vídeo, y luegoguardar el vídeo resultante.

• ArcSoft fue capaz de crear un plugin para elreproductor de películas es que utiliza CUDA pararealizar DVD con escala en tiempo real

VIDEO ENHANCEMENT



OIL AND NATURAL RESOURCE EXPLORATION

• Los científicos utilizan para trabajar con conjuntos de muestramuy pequeña, y baja resolución con el fin de encontrar aceite.Debido a que los algoritmos de reconstrucción del suelo son

altamente paralelos, CUDA se adapta perfectamente a estetipo de desafío. Ahora CUDA está siendo utilizado paraencontrar las fuentes de petróleo más rápido.

• Usando CUDA, máquinas de resonancia magnética puedenahora calcular las imágenes más rápido que nunca antesposible, y por un precio menor. Antes de CUDA, lo que solía

tomar un día entero para hacer un diagnóstico de cáncer demama. Ahora, con CUDA, esto puede tardar unos 30 minutos.De hecho, los pacientes ya no tendrán que esperar 24 horaspara los resultados, lo que beneficiará a muchas personas.

MEDICAL IMAGING



Cyberlink PowerDirectorhttp://www.youtube.com/watch?v=F72Rcq5Waf

A&feature=relmfu

Real Time 3D Fluid and Particle

http://www.youtube.com/watch?v=RuZQpWo9Qhs

http://www.youtube.com/watch?v=ijO-ltftKj4

Samsung N510 : Cuda withBadaboom



6. Biografía



Ian Buck terminó su doctorado en el Laboratoriode Gráficos de Stanford en 2004. Su tesis se tituló

La empresa desarrolladora de este lenguaje fue NVIDIA. Para ello se necesitaron demuchos expertos, por ello mencionaremos solo al Director GPU Computing de Nvidia.

IAN BUCK

"Stream Computing de hardware de gráficos," la

investigación de modelos de programación yestrategias de computación para el uso dehardware de gráficos como una plataformainformática de uso general. Su trabajo incluye eldesarrollo del "Brook" conjunto de herramientas

de software para la abstracción de la GPU como uncoprocesador de propósito general streaming. Enla actualidad trabaja para la tecnología NVIDIAcomo el administrador de software GPU-Compute.

PPT Entorno Basado en El Lenguaje C

Documents

Transcript of PPT Entorno Basado en El Lenguaje C