GPUBrasil

CENAPADs ..o que é?

Uma rede de centros de computação de alto desempenho, geograficamente distribuídos, instituída pelo Ministério da Ciência e Tecnologia (MCT). São oito (8) unidades, denominadas “Centros Nacionais de Processamento de Alto Desempenho” (CENAPADs), operadas respectivamente pela UFRGS, UFMG, UFC, UNICAMP, UFRJ, UFPE, INPE e LNCC. Este último coordena o sistema por delegação do MCT.

Maiores detalhes:

Centros Nacionais de PAD
http://www.lncc.br/sinapad/cenapads.php

Apresentação do Antônio Tadeu Azevedo Gomes(Secretario Executivo) falando da estrutura do SINAPAD no curso de Verão : CUDA – LNCC 2010.

escola_verao_2010_tadeu

Recursos

http://www.lncc.br/sinapad/recursos.php

UFRGS: Cluster SUN (448 CPU Cores + 1920 GPU Cores)

Artigo escrito pelo nosso colega de trabalho Luiz Gustavo Turatti onde é feita uma avaliação do estado atual dos drivers OpenCL tanto da AMD quanto da NVIDIA.

Neste trabalho diversos programas em OpenCL foram executados em diferentes modelos de placas gráficas da AMD e da NVIDIA e o desempenho avaliado.

Link para o artigo: “GPU Computing – GeForce and Radeon OpenCL Test“.

Demonstração do OpenCL com 1,000,000 partículas

Organizamos um mini-simpósio sobre supercomputação com GPU no 30º Congresso Ibero-Latino-Americano de Métodos Computacionais em Engenharia – CILAMCE 2009. O objetivo era reunir as pessoas que estão trabalhando com esse assunto no Brasil.

O resultado foi melhor do que esperávamos. Treze resumos foram submetidos, e seis trabalhos foram apresentados. Veja os trabalhos apresentados:

[1] K. Raizer, H. S. Idagawa, E. G. O. Nóbrega, L. O. S. Ferreira:

Training and Applying a Feedforward Multilayer Neural Network in GPU [ver].

[2] H. F. Gasparoto, L. O. S. Ferreira:

Development of a Heuristic Type “Generate And Test”, Parallel and Random, to Optimize Functions in GPU [ver].

[3] L. Y. Pozzo, H. S. Idagawa, L. O. S. Ferreira:

Solver Development for Linear Systems by Steepest Descent Method for Parallel Processing on GPU [ver].

[4] J. Labaki, L. O. S. Ferreira, E. Mesquita:

Implementation of Quadratic Boundary Elements for 2D Potential Problems on Graphics Hardware – GPU [ver].

[5] G. B. Vitor, J. V. Ferreira, A. Körbes:

Fast Image Segmentation by Watershed Transform on Graphical Hardware [ver].

[6] T. M. Buriol, M. A. Argenta:

Acelerando o Desenvolvimento e o Processamento de Análises Numéricas Computacionais Utilizando Python e Cuda [ver].

.

Nos vemos no CILAMCE 2010 – Buenos Aires!

O modelo Radeon 5870, tôpo-de-linha da nova série 5800 de GPUs da ATI tem impressionantes 2,72 TERAFLOPS em precisão simples, e 544 GIGAFLOPS em precisão dupla. E consome apenas 27 W em repouso e 188 W em plena-carga. É programável em OpenCL, a nova linguagem para computação em plataformas heterogêneas, baseada no padrão C99,  criada com o apoio das grandes empresas de hardware e software.

A AMD liberou a versão 2.0 do seu SDK para a linguagem OpenCL, que gera código tanto para as CPUs x86 (Intel ou AMD) quanto para as GPUs ATI. Um benchmark comparativo entre uma implementação OpenMP e uma implementação OpenCL, feito por Jack Pien, mostra que o SDK da AMD produz bons resultados mesmo com um cluster de CPUs INTeL. Quem não tem GPUs no cluster pode compilar o código e desenvolver seus algoritmos, e quando acrescentar GPUs não tem que reescrever tudo de novo.

Vasily Volkov e James W. Demmel deram uma importante contribuição às técnicas de programação de GPUs NVIDIA das séries 8, 9 e 200, no artigo intitulado “Benchmarking GPUs to Tune Dense Linear Algebra”. Usaram as ferramentas de software concebidas por Wladimir J. van der Laan (um Assembler e um Desassembler) para ter acesso ao código em linguagem Assembly das GPUs, que não é informado pela NVIDIA, e assim entender melhor a arquitetura do hardware para obter o máximo desempenho. É leitura indispensável para quem quer extrair até o último FLOPS da sua GPU.

De acordo com o site da NVIDIA, a nova versão do Flash Player 10.1 será capaz de utilizar a GPU para a aceleração de vídeo. O foco é para dispositivos portáteis que possuem CPUs com menor capacidade de processamento, como as plataformas ION e Tegra, pois ao descarregar parte do processamento para a GPU, a utilização da CPU se reduzirá e assim o usuário terá uma melhor resposta do sistema.

Com essa aceleração, esses dispositivos móveis poderão ser capazes de executar conteúdo de alta definição (HD) sem os famosos “lags” e ainda assim manter o consumo de energia baixo.

Aqui está uma boa notícia para o pessoal que está trabalhando com GPGPU: a nova geração de GPUs da NVIDIA, “Fermi”, possui uma arquitetura que beneficiará os programas de supercomputação. Uma característica é a presença da memória com ECC (“error correction code”), que será capaz de corrigir alguns erros de dados na memória, um problema já conhecido e discutido pela HPCwire.

Outra caracterísitca é a presença de um cache L1 e L2 na GPU, que beneficiará as transferâncias de memórias requisitadas pelos threads.

Arquitetura Fermi. Fonte: Nvidia.

Como é de costume, essa nova arquitetura trará mais “CUDA cores” que a geração anterior, um melhor suporte às operações numéricas de precisão dupla e um maior poder computacional. Apenas como comparação, o Fermi terá 512 “CUDA cores” contra 240 de uma GeForce GTX 280. Sua capacidade computacional é estimada em 1500 GFlops para precisão simples e 750 GFlops para precisão dupla, contra 933 GFlops para precisão simples e 78 GFlops para precisão dupla da mesma GeForce GTX 280.

Vocês podem conferir essas informações no site da NVIDIA e também ler uma descrição mais detalhada da arquitetura Fermi no site TechReport.

No YouTube, já dá pra ver algumas palestras fantásticas sobre o Fermi:

Aguarde nossos vídeos legendados em breve!

Boa tarde pessoal!!! Acabei de me juntar ao GPUBrasil como um dos autores do site. Dessa forma, juntamente com o Labaki, estarei postando novidades e tutoriais no site de forma a deixá-lo mais dinâmico e informativo.

Espero que as nossas atualizações ao site contribuam na divulgação do uso do GPGPU no Brasil e que também sirvam de ajuda aos iniciantes no assunto.

Todas os comentários e sugestões serão bem vindos.

Aguarde: o GPUBrasil.com em breve se tornará um blog.