Programming GPUsProgramming multipr

Programming GPUs
Programming multiprocessor GPUs is qualitatively different than programming other multiprocessors like multicore CPUs. GPUs provide two to three orders of magnitude more thread and data parallelism than CPUs, scaling to hundreds of processor cores and tens of thousands of concurrent threads in 2008. GPUs continue to increase their parallelism, doubling it about every 12 to 18 months, enabled by Moore’s law [1965] of increasing integrated circuit density and by improving architectural efficiency. To span the wide price and performance range of different market segments, different GPU products implement widely varying numbers of processors and threads. Yet users expect games, graphics, imaging, and computing applications to work on any GPU, regardless of how many parallel threads it executes or how many parallel processor cores it has, and they expect more expensive GPUs (with more threads and cores) to run applications faster. As a result, GPU programming models and application programs are designed to scale transparently to a wide range of parallelism.
The driving force behind the large number of parallel threads and cores in a GPU is real-time graphics performance—the need to render complex 3D scenes with high resolution at interactive frame rates, at least 60 frames per second. Correspondingly, the scalable programming models of graphics shading languages such as Cg (C for graphics) and HLSL (high-level shading language) are designed to exploit large degrees of parallelism via many independent parallel threads and to scale to any number of processor cores. The CUDA scalable parallel programming model similarly enables general parallel computing applications to leverage large numbers of parallel threads and scale to any number of parallel processor cores, transparently to the application.
In these scalable programming models, the programmer writes code for a single thread, and the GPU runs myriad thread instances in parallel. Programs thus scale transparently over a wide range of hardware parallelism. This simple paradigm arose from graphics APIs and shading languages that describe how to shade one vertex or one pixel. It has remained an effective paradigm as GPUs have rapidly increased their parallelism and performance since the late 1990s.
This section briefly describes programming GPUs for real-time graphics applications using graphics APIs and programming languages. It then describes programming GPUs for visual computing and general parallel computing applications using the C language and the CUDA programming model.

Kết quả (Việt) 1:

Lập trình GPULập trình GPU sự là chất lượng khác nhau hơn lập trình khác multiprocessors như đa lõi CPU. GPU cung cấp 2-3 đơn đặt hàng của các cường độ thêm chủ đề và dữ liệu song song hơn CPU, mở rộng quy mô để hàng trăm bộ xử lý lõi và hàng chục ngàn đồng thời các chủ đề trong năm 2008. GPU tiếp tục tăng của họ xử lý song song, tăng gấp đôi nó về mỗi tháng 12-18, kích hoạt bởi định luật Moore [1965] tăng mật độ vi mạch và bằng cách cải thiện kiến trúc hiệu quả. Để trải dài rộng giá và phạm vi hoạt động của các phân đoạn thị trường khác nhau, khác nhau GPU sản phẩm thực hiện các con số rộng rãi khác nhau của bộ vi xử lý và chủ đề. Được người sử dụng mong đợi trò chơi, đồ họa, hình ảnh, và máy tính ứng dụng để làm việc trên bất kỳ GPU, bất kể bao nhiêu song song sợi nó thực hiện hoặc bao nhiêu lõi bộ xử lý song song nó có, và họ hy vọng GPU đắt tiền hơn (với nhiều chủ đề và lõi) để chạy các ứng dụng nhanh hơn. Kết quả là, các mô hình lập trình GPU và chương trình ứng dụng được thiết kế để quy mô minh bạch với một loạt các xử lý song song.Động lực đằng sau nhiều chủ đề song song và lõi trong một GPU là hiệu suất đồ họa thời gian thực-sự cần thiết để hiển thị những cảnh 3D phức tạp với độ phân giải cao tại tương tác khung tỷ lệ, tối thiểu 60 khung hình / giây. Tương ứng, khả năng mở rộng mô hình lập trình đồ họa bóng ngôn ngữ chẳng hạn như Cg (C cho đồ họa) và HLSL (cấp cao bóng ngôn ngữ) được thiết kế để khai thác lớn độ khác nhau của xử lý song song qua nhiều chủ đề độc lập song song và quy mô để bất kỳ số nào của bộ xử lý lõi. CUDA khả năng mở rộng song song lập trình mẫu tương tự như vậy cho phép tổng song song máy tính ứng dụng để tận dụng một số lượng lớn của chủ đề song song và quy mô để bất kỳ số nào của lõi bộ xử lý song song, minh bạch để ứng dụng.Trong những mô hình lập trình khả năng mở rộng, các lập trình viên viết mã cho một chủ đề duy nhất, và GPU chạy trường hợp vô số thread song song. Chương trình này do đó quy mô minh bạch trên một loạt các xử lý song song phần cứng. Mô hình đơn giản này phát sinh từ đồ họa API và che ngôn ngữ mô tả làm thế nào để bóng râm một đỉnh hoặc một điểm ảnh. Nó có còn một mô hình có hiệu quả như GPU đã nhanh chóng tăng lên của họ xử lý song song và hiệu suất kể từ cuối những năm 1990.Phần này một thời gian ngắn mô tả lập trình GPU cho đồ họa thời gian thực các ứng dụng bằng cách sử dụng đồ họa API và ngôn ngữ lập trình. Nó sau đó mô tả lập trình GPU cho máy tính thị giác và chung song song máy tính ứng dụng bằng cách sử dụng ngôn ngữ C và mô hình lập trình CUDA.

Kết quả (Việt) 2:

Lập trình GPU
lập trình GPU đa là khác biệt về chất so với lập trình multiprocessors khác như CPU đa lõi. GPU cung cấp 2-3 đơn đặt hàng của các cường độ nhiều chủ đề và dữ liệu song song hơn CPU, rộng đến hàng trăm lõi xử lý và hàng chục ngàn bài đồng thời trong năm 2008. GPU tiếp tục tăng song song của họ, tăng gấp đôi nó khoảng 12 đến 18 tháng, được kích hoạt định luật Moore [1965] tăng mật độ mạch tích hợp và nâng cao hiệu quả kiến trúc. Để bắc qua giá cả và hiệu suất loạt các phân khúc thị trường khác nhau, các sản phẩm GPU khác nhau thực hiện rộng rãi khác nhau số của bộ vi xử lý và chủ đề. Tuy nhiên, người dùng mong đợi trò chơi, đồ họa, hình ảnh, và các ứng dụng máy tính để làm việc trên bất kỳ GPU, bất kể có bao nhiêu song song đề nó thực hiện hoặc có bao nhiêu nhân xử lý song song nó có, và họ mong đợi GPU đắt hơn (với nhiều chủ đề và các lõi) để chạy ứng dụng nhanh hơn. Kết quả là, các mô hình lập trình GPU và các chương trình ứng dụng được thiết kế để mở rộng quy mô trong suốt đến một loạt các xử lý song song.
Động lực đằng sau số lượng lớn các chủ đề song song và lõi trong một GPU là hiệu suất đồ họa thời gian thực cần thiết để render 3D phức tạp cảnh với độ phân giải cao với tỷ lệ khung hình tương tác, ít nhất là 60 khung hình mỗi giây. Tương ứng, các mô hình lập trình mở rộng của ngôn ngữ đánh bóng đồ họa như Cg (C cho đồ họa) và HLSL (cấp cao ngôn ngữ bóng) được thiết kế để khai thác độ lớn song song qua nhiều chủ đề song song độc lập và quy mô để bất kỳ số lượng lõi xử lý. Các khả năng mở rộng mô hình lập trình song song CUDA tương tự cho phép các ứng dụng tính toán song song nói chung để tận dụng số lượng lớn các chủ đề song song và quy mô để bất kỳ số lượng lõi xử lý song song, minh bạch để các ứng dụng.
Trong các mô hình lập trình mở rộng, các lập trình viên viết code cho một chủ đề duy nhất, và GPU chạy trường hợp đề vô song song. Các chương trình như vậy, quy mô, minh bạch trên một phạm vi rộng song song phần cứng. Mô hình đơn giản này nảy sinh từ các API đồ họa và ngôn ngữ shading mô tả làm thế nào để bóng râm một đỉnh hoặc một điểm ảnh. Nó vẫn là một mô hình hiệu quả như GPU đã nhanh chóng tăng lên song song và hiệu suất của họ kể từ cuối những năm 1990.
Phần này mô tả tóm tắt GPU lập trình cho các ứng dụng đồ họa thời gian thực bằng cách sử dụng các API đồ họa và ngôn ngữ lập trình. Sau đó nó mô tả GPU lập trình cho máy tính trực quan và các ứng dụng tính toán song song nói chung sử dụng ngôn ngữ C và các mô hình lập trình CUDA.