青的點滴

在今天的时候，ITPUB把CUDA Programming Guide 编程指南 3.0的中文版本发出来了.

译者是来自NVIDIA的风辰，此前只有CUDA Programming Guide 2.0才有中文译本.

貌似最近开勇低调了好多.

由于是付费主题，而且是ITPUB首发，我也不好转别人的劳动成果，需要的同学来这里购买主题然后下载吧，只需要10个PUB的虚拟货币即可(大概每个回帖可以得到两个PUB).

http://cuda.itpub.net/thread-1281433-1-1.html

还有四天，Fermi GPU就要正式发布了，前些天，NVIDIA终于正式发布了Beta已久的CUDA Tookit & SDK 3.0版本，同时带有CUDA Programming Guide 3.0.

此次架构变化可谓相当大，CUDA Programming Guide 3.0里面也有很多让人耳目一新的东西.

让我们来看看具体变化：

Release Highlights

• Support for the new Fermi architecture, with:
  • Native 64-bit GPU support
  • Multiple Copy Engine support
  • ECC reporting
  • Concurrent Kernel Execution
  • Fermi HW debugging support in cuda-gdb
  • Fermi HW profiling support for CUDA C and OpenCL in Visual Profiler
• C++ Class Inheritance and Template Inheritance support for increased programmer productivity
• A new unified interoperability API for Direct3D and OpenGL, with support for:
  • OpenGL texture interop
  • Direct3D 11 interop support
• CUDA Driver / Runtime Buffer Interoperability, which allows applications using the CUDA Driver API to also use libraries implemented using the CUDA C Runtime such as CUFFT and CUBLAS. Read more

这篇档是去年6月份就写好的了，现在发过来，当时的看法以现在的眼光来看，还是显得稚嫩，当然我现在也很稚嫩，如有错误请多多指正.

毫无疑问 CUDA或者GPGPU是带给业界的一次计算的革命.
非常出色的并行计算能力，这是带给我们最明显的特点.

当然，请不要混淆概念，目前的GPU架构来说是不可能取代CPU的.
CUDA或者GPGPU来说不是全部.

并不是任何情况都适合GPGPU或者CUDA，在串行非常多的情况下，是不适合用CUDA来做的.
CUDA只能适合高度并行的地方，并且对数据精度要求不高的地方.
目前CUDA的环境来说，只有GT200芯片才能支持double数据类型，其他所有芯片G9X和G8X系列都不支持double数据类型，仍然在32 位，这对一些高精度的数据类型来说是一个很难办的事情，而且GT200芯片对于double的运算性能非常差(64bit运算单元在每个SM中只有一个， 因此运算速度只有32bit数据的八分之一到十二分之一左右.),不过NVIDIA已经在GT300中大幅加强了双精度的计算性能.
Read more

文章被转载到了OpenGPU.org组织上面去，里面有很多高手对偶的这篇档案展开了讨论，无奈偶才疏学浅，不好发表什么，于是就默默的看着他们的言论学习强大.

现在整理一下他们的回帖，也是相当棒的资料和经验，让我受益匪浅.

原文地址：http://www.ispinel.com/2010/01/27/163

讨论内容：

qiaojie：我相信异构平台会是未来并行计算的主流，不过感觉Cell的Local Memory是个比较失败的设计，直接导致了编程困难从而导致最终被抛弃，如果把Local Memory变成cache的话编程就简单多了。

cyj：我对GPGPU只有一知半解的理解，但是根据我的分析来看，CUDA中正是因为有的Shared Memory才能或得几十倍于CPU的加速比……，不知道这是不是也算作失败的设计？

qiaojie：其实NV也知道ShareMemory只是过渡方案，所以在设计Fermi的时候做了改进，可以让ShareMemory配置成Cache。Larrabee的话就更是直接的支持统一内存空间了，从编程角度上来说，我是更青睐Larrabee的，不过可惜Larrabee难产了。

Read more

20 二月 2010

20 二月 2010