GPU Computing – GeForce and Radeon OpenCL Test
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
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
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.
CILAMCE 2009
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”
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
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
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
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!
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.
SDK OpenCL da AMD também serve para CPUs INTeL
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.
