GPUBrasil

CENAPAD o que é?

padbr — Mon, 01 Mar 2010 15:37:16 +0000

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)

GPU Computing – GeForce and Radeon OpenCL Test

HIdagawa — Wed, 03 Feb 2010 06:41:35 +0000

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

Artigo sobre CUDA

HIdagawa — Thu, 14 Jan 2010 17:40:29 +0000

Artigo publicado na “Viva o Linux” por Alessandro de Oliveira Faria (A.K.A CABELO) sobre a tecnologia CUDA da NVidia.

Nesse artigo ele faz uma introdução sobre a tecnologia CUDA e o seu potencial em acelerar cálculos computacionais através da paralelização. Na segunda parte do artigo, é apresentado um tutorial de instalação do CUDA e como compilar e executar os exemplos que acompanham o SDK.

Link para o artigo: “CUDA: Programe a sua NVIDIA“.

Comparação GPU x sistemas paralelos

Labaki — Tue, 15 Dec 2009 11:51:50 +0000

Monografia de conclusão de curso de A. V. Grammelsbacher e J. C. C. Medrado.

O trabalho visa fornecer um estudo comparando a execução de algoritmos paralelos na CPU e na GPU, elucidando se é mais vantajoso executar determinados algoritmos na CPU ou na GPU. Para realizar as comparações são feitos benchmarks da execução de algoritmos com a finalidade de medir a capacidade de processamento em FLOPS , a cópia de dados na memória entre outras características do sistema.

Comparacao de desempenho entre GPGPU e Sistemas Paralelos

CILAMCE 2009

Labaki — Tue, 01 Dec 2009 15:31:29 +0000

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!

Livro: “Numerical Recipes in C”

HIdagawa — Tue, 24 Nov 2009 01:45:00 +0000

O livro “Numerical Recipes in C” é um bom ponto de partida para se aprender sobre vários métodos numéricos, como resolução de sistemas lineares, maximização e minimização de funçoes, FFT e outros métodos. Cada capítulo do livro possui uma rápida explicação do método, seguido do seu respectivo código-fonte. Além disso, caso o leitor deseje se aprofundar mais em um determinado método, existem algumas referências bibliográficas no final de cada capítulo.

Neste link, encontra-se o índice do livro, onde é possível consultar os contéudos que o livro aborda.

Dicas instalação do SDK CUDA 2.3 no UBUNTU 9.10

losferreira — Wed, 11 Nov 2009 13:06:25 +0000

PROBLEMA: erro ao compilar o SDK no UBUNTU 9.10 por causa da versão do gcc

SOLUÇÃO:
1) sudo apt-get install libc6-dev-i386
2) sudo apt-get install build-essential libglut3-dev gcc-4.3 g++-4.3 -y
3) sudo update-alternatives –install /usr/bin/gcc gcc /usr/bin/gcc-4.3 60 –slave /usr/bin/g++ g++ /usr/bin/g++-4.3

Mude o link para que o compilador default do sistema seja o gcc-4.3:
sudo rm -d /usr/bin/gcc
sudo ln -s /usr/bin/gcc-4.3 /usr/bin/gcc
Se precisar voltar para o gcc-4.4, basta trocar 4.3 por 4.4 no comando acima.

Vídeo: tecnologia GPU

Labaki — Wed, 04 Nov 2009 15:06:13 +0000

Ótimo vídeo mostrando as principais ferramentas da tecnologia GPGPU. Trata-se da palestra de abertura da GPU Technology Conference, que aconteceu em San Jose de 30 de setembro a 2 de outubro deste ano.

Download: http://www.nvidia.com/content/GTC/videos/GTC09-1412.flv

Palestrante: Will Ramey, gerente de produto da NVidia.

Conteúdo postado por Luís Ramirez na lista GPUBrasil.

Usando o processador vetorial da CPU com o compilador MUDA

losferreira — Tue, 20 Oct 2009 16:58:49 +0000

A linguagem MUDA facilita a utilização da unidade de processamento vetorial normalmente dedicada a multimedia nas CPUs para cálculos vetoriais de uso-geral.

ATI Radeon 5870 tem desempenho impressionante!

losferreira — Tue, 20 Oct 2009 16:52:15 +0000

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.