هسته های CUDA در کارت های ویدئویی

فهرست مطالب:

هسته های CUDA در کارت های ویدئویی
هسته های CUDA در کارت های ویدئویی
Anonim

طراحی شده توسط Nvidia برای واحدهای پردازش گرافیکی (GPU)، Compute Unified Device Architecture (CUDA) یک پلت فرم فناوری است که فرآیندهای محاسباتی GPU را تسریع می کند. هسته‌های Nvidia CUDA واحدهای پردازشی موازی یا مجزا در GPU هستند و تعداد هسته‌های بیشتر معمولاً با عملکرد بهتر برابر است.

Image
Image

با CUDA، محققان و توسعه دهندگان نرم افزار می توانند کدهای C، C++ و Fortran را بدون استفاده از کد اسمبلی به GPU ارسال کنند. این ساده‌سازی از محاسبات موازی استفاده می‌کند که در آن هزاران کار یا رشته به طور همزمان اجرا می‌شوند.

CUDA Cores چیست؟

هسته های Nvidia CUDA پردازنده های موازی شبیه به پردازنده در رایانه هستند که ممکن است یک پردازنده دو هسته ای یا چهار هسته ای باشد. با این حال، پردازنده‌های گرافیکی انویدیا می‌توانند چندین هزار هسته داشته باشند.

هنگام خرید کارت گرافیک Nvidia، ممکن است اشاره ای به تعداد هسته های CUDA موجود در یک کارت مشاهده کنید. هسته ها وظایف مختلفی در رابطه با سرعت و قدرت GPU را بر عهده دارند.

از آنجایی که هسته‌های CUDA مسئول رسیدگی به داده‌هایی هستند که از طریق یک GPU حرکت می‌کنند، هسته‌ها اغلب گرافیک بازی‌های ویدیویی را در موقعیت‌هایی که شخصیت‌ها و مناظر بارگذاری می‌شوند، کنترل می‌کنند.

هسته های CUDA شبیه به پردازنده های جریانی AMD هستند. اینها فقط به شکل دیگری نامگذاری شده اند. با این حال، نمی‌توانید یک GPU 300 CUDA Nvidia را با یک پردازنده گرافیکی AMD با پردازنده جریانی 300 برابری کنید.

برنامه ها را می توان برای استفاده از افزایش عملکرد ارائه شده توسط هسته های CUDA ساخت. شما می توانید لیستی از این برنامه ها را در صفحه برنامه های Nvidia GPU مشاهده کنید.

انتخاب کارت گرافیک با CUDA

تعداد بیشتر هسته های CUDA معمولاً به این معنی است که کارت گرافیک به طور کلی عملکرد سریع تری ارائه می دهد. اما تعداد هسته‌های CUDA تنها یکی از چندین فاکتوری است که باید هنگام انتخاب کارت گرافیک در نظر گرفت.

Nvidia طیف وسیعی از کارت‌ها را ارائه می‌کند که از هشت هسته CUDA تا ۵، ۷۶۰ هسته CUDA در GeForce GTX TITAN Z استفاده می‌کنند.

کارت‌های گرافیکی که دارای معماری Tesla، Fermi، Kepler، Maxwell یا Pascal هستند، از CUDA پشتیبانی می‌کنند.

توصیه شده: