-
Pilotes
-
Produits
-
Processeurs
-
Technologies
-
Cloud Computing
-
3D Vision
-
Plateformes
-
-
Jeux PC
-
Assistance
-
Acheter
-
À propos de NVIDIA
Newsletter CUDA / Supercalcul Tesla
Souscrivez à la Newsletter CUDA/Supercalcul Tesla pour recevoir des mises à jour régulières sur l’architecture de traitement parallèle de NVIDIA (permettant d'exploiter la puissance du GPU pour résoudre des problèmes informatiques complexes bien plus rapidement qu’avec le CPU) mais également pour obtenir des informations sur les solutions Tesla de NVIDIA (permettant de résoudre les défis de calcul les plus avancés de l’industrie).
Les stations de travail équipées de GPU NVIDIA Tesla et la solution CAPS DevDeck Linus forment l’alliance parfaite pour le calcul par GPU. La suite logicielle inclut CAPS HMPP™, un compilateur basé sur des instructions permettant de créer des applications accélérées par la puissance de calcul parallèle des GPU. Le module HMPP d’analyse des performances et l’Assistant HMPP Wizard, qui vous assistent dans vos choix de développement, sont également intégrés dans la suite logicielle.
Basé sur des instructions écrites en language C et FORTRAN, HMPP est un compilateur source-vers-source préservant vos investissements initiaux. HMPP simplifie la parallélisation du code et la gestion de la mémoire afin d’exploiter au maximum la puissance de calcul des processeurs graphiques, tout en intégrant dans votre configuration l’architecture de traitement massivement parallèle NVIDIA CUDA. Le moteur d’exécution HMPP garantit également le déploiement de vos applications sur des systèmes multi-GPU. Pour terminer, le coût de tous les éléments DevDeck (achetés séparément) est d’environ 8000 €. Notre prix est de seulement 2900 €, soit 65% de réduction !
1. Diagnostic
Une étude préliminaire vous permettra d’analyser le potentiel d’optimisation de votre code sur les architectures hybrides.
2. Migration fonctionnelle vers le calcul par GPU
Optimisez votre code CPU, améliorez le parallélisme SIMT, passez à l’accélération GPU et validez l’exécution CPU-GPU.
3. Optimisation du code GPU pour améliorer les performances.
En utilisant cette méthodologie, vous pouvez finaliser votre migration de manière rapide, facile et efficace.