CUDA

  • CUDA ET CALCUL PAR LE GPU
  • APPLICATIONS GPU
  • GPU POUR SERVEURS ET STATIONS DE TRAVAIL
Traitement parallèle CUDA
Divider

Qu’est-ce que CUDA ?

CUDA est une architecture de traitement parallèle développée par NVIDIA permettant de décupler les performances de calcul du système en exploitant la puissance des processeurs graphiques (GPU).

Alors que des millions de GPU compatibles avec CUDA ont été vendus, des milliers de développeurs de logiciels, de scientifiques et de chercheurs utilisent CUDA dans une grande gamme de domaines, incluant notamment le traitement des images et des vidéos, la chimie et la biologie par modélisation numérique, la mécanique des fluides numérique, la reconstruction tomodensitométrique, l’analyse sismique, le ray tracing et bien plus encore.

 

Traitement parallèle avec CUDA

Le calcul informatique a évolué en passant du traitement central exclusif des CPU vers les capacités de co-traitement offertes par l’association du CPU et du GPU. Pour permettre ce nouveau paradigme informatique, NVIDIA a conçu l’architecture de traitement parallèle CUDA, aujourd’hui incluse dans les GPU GeForce, ION Quadro, et Tesla en offrant ainsi une base matérielle significative aux développeurs d’applications.

Du côté du grand public, la plupart des applications majeures de traitement vidéo, incluant des produits d’Elemental Technologies, MotionDSP et LoiLo, Inc, sont ou seront bientôt accélérées par CUDA.

Du côté de la recherche scientifique, CUDA a été reçu avec enthousiasme. CUDA permet par exemple d’accélérer AMBER, un programme de simulation de dynamique moléculaire utilisé par plus de 60 000 chercheurs du public et du privé afin d’accélérer la découverte de nouveaux médicaments pour l’industrie pharmaceutique.

En matière de finance, Numerix et CompatibL ont annoncé leur support de CUDA pour une nouvelle application de recherche de risques de contrepartie, accélérant jusqu’à 18x les procédures de calcul existantes. La plateforme Numerix est utilisée par plus de 400 institutions financières.

Le parc existant de GPU Tesla, offrant d’importantes capacités en matière de calcul par le GPU, permet également de jauger le succès de CUDA. Plus de 700 clusters de GPU sont aujourd’hui actifs dans le monde entier. De nombreux groupes, allant de Schlumberger et Chevron (secteur énergétique) à BNP Paribas (secteur banquier) et figurant dans la liste des « 500 entreprises les plus importantes au monde » publiée par Fortune, ont adopté CUDA.

Depuis l'avènement de Windows 7 de Microsoft et de Snow Leopard d’Apple, le calcul par le GPU est également une réalité pour le grand public. Dans ces nouveaux systèmes d’exploitation, le GPU ne tiendra pas seulement lieu de processeur graphique, il jouera également un rôle de processeur parallèle pour toutes les applications.

 
 

PLATEFORME DE TRAITEMENT PARALLÈLE CUDA

La plateforme CUDA® inclut des extensions C et C++ qui permettent l’expression de données denses et complexes dans un contexte de parallélisme. Les programmeurs peuvent choisir d’exprimer le parallélisme avec des langages à hautes performances comme C, C++, Fortran ou avec des standards ouverts comme les directives OpenACC. La plateforme de calcul parallèle CUDA est aujourd’hui déployée dans des milliers d’applications accélérées par les GPU et elle est présentée dans plus de 1000 dossiers de recherche.

Un écosystème complet d'outils et solutions CUDA est disponible pour les développeurs. Rendez-vous sur CUDA Zone pour en savoir plus.

Pour consulter une initiation au calcul parallèle et accéder aux derniers téléchargements CUDA, rendez-vous sur la Zone développeurs CUDA.

 
 
 

Comparaison détaillée de code C standard et de code C parallèle

Comparaison détaillée de code C standard et de code C parallèle

 

Comparaison détaillée de code C standard et de code C parallèle

 
CUDA et Calcul par le GPU

Le calcul par le GPU, c'est quoi ?
Principes du calcul par le GPU
Programmation GPU
Architecture Kepler
Cloud Computing
Contactez-nous

Présentation de CUDA
Showcase CUDA
Formation CUDA
CUDA Courses Calendar
Centres de recherche CUDA
Centres d’enseignement CUDA

Applications GPU

Applications GPU Tesla
Études de cas Tesla
Directives OpenACC
Offre d’essai GPU Tesla

GPU Tesla pour serveurs
et stations de travail

Pourquoi choisir Tesla ?
Solutions Tesla pour serveurs
Solutions Tesla pour
stations de travail

Kit de développement CUDA pour ARM
Acheter GPU Tesla

Infos et actualités Tesla

Documentation Tesla
Fonctions logicielles Tesla
Outils de développement de logiciels
NVIDIA Research
Alertes Tesla

NVIDIA en ligne

NVIDIA Blog Blog NVIDIA
Facebook Facebook
YouTube YouTube