GPU Hesaplama nedir?

GPU hesaplama, genel amaçlı bilimsel ve mühendislik hesaplamalarını yapabilmek için bir GPU (grafik işleme birimi) kullanılmasına denir.

GPU hesaplama için öngörülen model, bir CPU ve GPU'yu bir heterojen işleme modelinde birlikte kullanmaktır. Uygulamanın sıralı kısmı CPU'da, hesaplama yoğunluklu kısmı GPU'da çalıştırılır. Kullanıcı açısından bakıldığında ise uygulama daha hızlı çalışır, çünkü GPU'nun genel performansı artırıcı yüksek performansından yararlanmaktadır.

GPU, yıllar içinde teraflop düzeyinde kayar nokta performansı sunmak üzere gelişmiştir. NVIDIA, büyük ölçüde paralel yeni “CUDA” hesaplama platformunu piyasaya çıkararak 2006-2007 yıllarında GPGPU’da devrim yaptı ve hesaplama dünyasını hızlandırdı. CUDA paralel hesaplama platformu, uygulamadaki veri setinin üstesinden gelmek üzere birlikte çalışan 100’lerce işlemci çekirdeğinden oluşmaktadır.

GPGPU’ların son yıllarda elde ettiği başarı, CUDA paralel hesaplama platformu ile ilişkilendirilmiş programlama kolaylığı olmuştur. Uygulama geliştiricisi, CUDA ile hesaplama yoğun çekirdekleri alıp GPU ile eşleştirmek üzere uygulamasını değiştirebilir. Uygulamanın diğer kısmı CPU’da kalır. Bir fonksiyonun GPU ile eşleştirilmesi, fonksiyonda paralelliği sağlamak ve verilerin GPU’ya ve GPU’dan taşınması için anahtar kelimelerin eklenmesini içerir. Geliştirici fonksiyonu 1000’lerce iş parçacığının aynı anda başlatılacağı şekilde yazar. GPU donanımı iş parçacıklarını yönetir ve iş parçacıklarının programlanmasını yürütür.

Tesla 20 serisi GPU, en son CUDA hesaplama platformu olan “Fermi” mimarisini temel almaktadır. Fermi, 500+ gigaflop IEEE standardı çift hassasiyet kayar nokta donanım desteği, L1 ve L2 önbellek, bellek hata koruma, tüm GPU'ya dağılan paylaşılan bellek formunda yerel kullanıcı tarafından yönetilen önbellekler, birleşik bellek erişimleri ve diğerleri gibi ana özellikler ile bilimsel uygulamalar için optimize edilmiştir.

GPU Hesaplamanın Tarihi

Grafik yongaları, sabit fonksiyonlu grafik pipeline olarak başlamıştı. Yıllar geçtikte bu grafik yongalarının giderek daha programlamabilir bir hal almasıyla, NVIDIA ilk GPU veya Grafik İşleme Birimini piyasaya sürdü. 1999-2000 yılları arasında özellikle bilgisayar bilimadamları ve ayrıca tıbbi görüntüleme ve elektromanyetik alanındaki araştırmacılar, GPU'ları genel amaçlı hesaplama uygulamalarını çalıştırmak için kullanmaya başladı. GPU'lardaki mükemmel kayan nokta performansının, bir dizi bilimsel uygulamada muazzam bir performans artışı sağladığını keşfettiler. GPU’ların mükemmel 10-bit sabit nokta performansının geniş bir aralıktaki uygulamalarda çok büyük bir performans artışına olanak verdiğini gördüler. Bu, GPGPU ya da GPU’larda Genel Amaçlı hesaplama adlı hareketin başlangıcıydı.

Sorun, GPGPU'nun GPU'yu programlamak için OpenGL ve Cg gibi grafik programlama dillerinin kullanılmasını gerektirmesiydi. Geliştiriciler bilimsel uygulamalarını grafik uygulamalar gibi göstermek ve bunları üçgenler ve poligonlar çizen problemlere haritalamak zorundaydılar. Bu ise GPU'ların bilime sunabileceği muazzam performansın erişilebilirliğini kısıtlıyordu.

NVIDIA, bu platformu daha geniş bilimsel çevrelere taşıma potansiyelini görerek GPU’yu bilimsel uygulamalar için tamamen programlanabilir yapmak üzere değiştirmeye yatırım yapmaya karar verdi ve C, C++ ve Fortran gibi üst düzey diller için destek ekledi. Böylece GPU için CUDA paralel hesaplama platformu geliştirildi.

CUDA PARALEL HESAPLAMA PLATFORMU

CUDA paralel hesaplama platformu, küçük ve büyük parçalı verilerin ifade edilmesine ve iş paralelliğine olanak veren bir dizi soyutlama sunar. Programcı, paralelliği C, C++, Fortran gibi üst düzey dillerde veya DirectX™-11 Compute gibi sürücü Uygulama Programlama Arayüzlerinde (API) ifade etmeyi seçebilir.



Geliştiriciler için geniş bir aralıkta CUDA araçları ve ekosistem çözümleri kullanıma hazırdır.

CUDA paralel hesaplama platformu 1000’lerce uygulama ve 1000’lerce yayınlanmış makale ile sektörde yerini almıştır. Bu uygulamaların ve yazıların çoğu CUDA Zone sayfasında listelenmektedir.