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 trìnhmultiprocessors khác như đa lõi CPU. GPU cung cấp 2-3 đơn đặt hàngđộ song song thêm chủ đề và dữ liệu hơn CPU, rộng đến hàng trămbộ xử lý lõi và hàng chục ngàn đồng thời các chủ đề trong năm 2008. GPUtiếp tục tăng của họ xử lý song song, tăng gấp đôi nó về mỗi tháng 12-18,được kích hoạt bởi định luật Moore [1965] tăng mật độ mạch tích hợp và giápnâng cao kiến trúc hiệu quả. Để khoảng giá và hoạt động đa dạngphân đoạn thị trường khác nhau, khác nhau GPU sản phẩm thực hiện rộng rãi khác nhausố điện thoại 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 songchủ đề của nó thực hiện hoặc bộ xử lý song song bao nhiêu lõi nó có, và họ hy vọngGPU 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 đểquy mô minh bạch với một loạt các xử lý song song.Động lực đằng sau nhiều chủ đề song song và lõi trong mộtGPU là hiệu suất đồ họa thời gian thực-sự cần thiết để hiển thị những cảnh 3D phức tạpvới độ phân giải cao tại tỷ lệ khung hình tương tác, tối thiểu 60 khung hình / giây.Tương ứng, các khả năng mở rộng mô hình lập trình đồ họa bóng ngôn ngữchẳng hạn như Cg (C cho đồ họa) và HLSL (cấp cao bóng ngôn ngữ) được thiết kếđể khai thác lớn độ khác nhau của xử lý song song qua nhiều chủ đề độc lập song song và đếnco dãn theo bất kỳ số nào của bộ xử lý lõi. Lập trình song song khả năng mở rộng CUDAMô hình tương tự như vậy cho phép tổng hợp ứng dụng tính toán song song để tận dụng lớnsố lượng 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 đơnchủ đề, và GPU chạy trường hợp vô số thread song song. Chương trình do đó quy môminh bạch trong một loạt các xử lý song song phần cứng. Mô hình này đơn giảnphát 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 chóngtăng 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 thựcứng dụng bằng cách sử dụng đồ họa API và ngôn ngữ lập trình. Nó sau đó mô tảlập trình GPU cho máy tính trực quan và tính toán song song tổng quátứng 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 bởi 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 dựng các cảnh 3D phức tạp
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
có quy mô đến bất kỳ số lượng lõi xử lý. Các khả năng mở rộng lập trình song song CUDA
mô hình tương tự như vậy cho phép các ứng dụng tính toán song song nói chung để tận dụng lượng lớn
số lượng 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 single
thread, 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
phát 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 đồ họa thời gian thực
các ứng dụng 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 tính toán song song nói chung
các ứng dụng bằng cách sử dụng ngôn ngữ C và các mô hình lập trình CUDA.