Tesla

Hızlandırılmış Bilgi İşlem
Dünyanın En Önemli Sorunlarını Çözmek İçin
Hızlandırılmış Bilgi İşlem - Dünyanın En Önemli Sorunlarını Çözmek İçin

GPU İLE HIZLANDIRILMIŞ BİLGİ İŞLEM NEDİR?

GPU ile hızlandırılmış bilgi işlem, grafik işleme biriminin (GPU) bir CPU ile birlikte kullanılarak derin öğrenme, analiz ve mühendislik applicationsuygulamalarının hızlandırılmasıdır. 2007 yılında öncülüğünü NVIDIA'nın yaptığı GPU hızlandırıcılar, dünya genelinde devlet laboratuvarları, üniversiteler, kurumlar, küçük ve orta işletmelerin enerji verimli veri merkezlerini güçlendirmektedir. Yapay zekadan arabalara, insansız hava araçlarından robotlara kadar çeşitli uygulamaları hızlandırmada büyük bir rol oynarlar.

GPU'LARIN YAZILIM UYGULAMALARINI HIZLANDIRMA ŞEKLİ

GPU ile hızlandırılmış bilgi işlem, uygulamanın işlem ağırlıklı kısımlarını GPU'ya yüklerken kodun geri kalanının CPU tarafından işlenmesini sağlar. Kullanıcıya yansıyan yanı ise uygulamaların çok daha hızlı çalışmasıdır.

How GPU Acceleration Works
 

GPU ve CPU Performanslarını Karşılaştırma

GPU ile CPU arasındaki farkları anlamanın basit bir yolu, görevleri yürütme yöntemlerinin karşılaştırılmasıdır. CPU ardışık seri işlem için optimize edilen birkaç çekirdekten oluşurken, GPU birden fazla işi eşzamanlı olarak yürütmek için tasarlanan binlerce daha küçük, daha verimli çekirdekten oluşan büyük ölçüde paralel bir mimariye sahiptir.

 

GPU'lar paralel iş yüklerini verimli bir şekilde işlemek üzere binlerce çekirdeğe sahiptir

GPU Vs GPU: Which is better?

GPU ile CPU'nun karşılaştırmasını içeren aşağıdaki eğlenceli videoya göz atın

GPU ile CPU'nun karşılaştırmasını içeren aşağıdaki eğlenceli videoya göz atın
Video: Mythbusters Demo: GPU ile CPU Karşılaştırması (01:34)

En iyi 10uygulamadan 9’u dahil olmak üzere 400’denfazla hızlandırılmış HPC uygulamasısayesindetüm GPU kullanıcıları iş yüklerinde belirgin performans artışları elde edebilir. Kullandığınız uygulamaların GPU ile hızlandırılmış olup olmadığını görmek için uygulama kataloğumuza (PDF 1,9 MB) başvurun.

HEMEN BAŞLAYIN

Uygulamalarınıza GPU hızlandırma eklemenin üç temel yaklaşımı vardır:
  • GPU için optimize edilen kitaplıklar eklemek
  • Kodunuzu otomatik olarak paralelleştirmek için derleyici "ipuçları" eklemek
  • C ve Fortran gibi standart dillere uzantılar kullanmak

CUDA paralel programlamada GPU'ların nasıl kullanılacağını öğrenmek kolaydır.

Ücretsiz çevrimiçi sınıflar ve geliştirici kaynakları için CUDA zone sitesini ziyaret edin.

CUDA ZONE SİTESİNİ ZİYARET EDİN

 
 
 
CUDA ve GPU Hesaplama

GPU Hesaplama Nedir?
GPU Hesaplama
Hakkında Gerçekler

GPU Programlama
Kepler GPU Mimarisi
GPU Bulut Hesaplama
İletişim

CUDA Nedir?
CUDA Tanıtımı
CUDA Eğitimi
CUDA Araştırma Merkezleri
CUDA Eğitim Merkezleri

GPU Uygulamaları

Tesla GPU Uygulamaları
Tesla Başarı Öyküleri
OpenACC Direktifleri
Tesla GPU Test Sürüşü

Sunucular ve İş İstasyonları
için Tesla GPU’lar

Neden Tesla
Tesla Sunucu Çözümleri
Tesla İş İstasyonu Çözümleri
Tümleşik Geliştirme Platformu
Tesla GPU Satın Al

Tesla Haberleri ve Bilgileri

Tesla Ürün Bilgi Kaynakları
NVIDIA Araştırma
Tesla Uyarıları

Bize Çevrimiçi Ulaşın

NVIDIA Blog NVIDIA Blogu
Facebook Facebook
YouTube YouTube