Grafikkort till parallella beräkningar
Nvidia CUDATHRUSTCUBLASEigenOpenMPAccelererade bibliotekPrestandatestGPUCPUVektor inventeringSorteringBinärsökningMatrismultiplikation
Den här studien beskriver hur grafikkort kan användas på en bredare front än
multimedia. Arbetet förklarar och diskuterar huvudsakliga alternativ som finns
till att använda grafikkort till generella operationer i dagsläget. Inom denna studie
används Nvidias CUDA arkitektur. Studien beskriver hur grafikkort används
till egna operationer rent praktiskt ur perspektivet att vi redan kan programmera
i högnivåspråk och har grundläggande kunskap om hur en dator fungerar. Vi
använder s.k. accelererade bibliotek på grafikkortet (THRUST och CUBLAS) för
att uppnå målet som är utveckling av programvara och prestandatest. Resultatet
är program som använder GPU:n till generella och prestandatest av dessa,
för lösning av olika problem (matrismultiplikation, sortering, binärsökning och
vektor-inventering) där grafikkortet jämförs med processorn seriellt och parallellt.
Resultat visar att grafikkortet exekverar upp till ungefär 50 gånger snabbare
(tidsmässigt) kod jämfört med seriella program på processorn.