CUDA Cores Explained
CUDA- ը, Compute Unified Device Architecture- ի հապավումը, Nvidia- ի կողմից մշակված տեխնոլոգիա է, որը արագացնում է GPU հաշվարկի գործընթացները:
CUDA- ի հետ, հետազոտողները եւ ծրագրային ապահովման մշակողները կարող են ուղղակիորեն ուղարկել C, C ++ եւ Fortran կոդերը `առանց GPU- ի, առանց հավաքման կոդ: Սա թույլ է տալիս օգտվել զուգահեռ հաշվարկից, որի ընթացքում հազարավոր խնդիրներ կամ գործարքներ կատարվում են միաժամանակ:
Տեղեկատվություն CUDA Cores- ի մասին
Դուք կարող եք տեսել CUDA տերմինը, երբ Nvidia- ի վիդեո քարտը գնում է : Եթե նայեք նման քարտի փաթեթավորմանը կամ կարդացեք վիդեո քարտերի վերանայումները, դուք հաճախ կստուգեք հղումը CUDA կորերի քանակին:
CUDA կորեները զուգահեռ պրոցեսորներ են, որոնք նման են համակարգչի պրոցեսորին , որը կարող է լինել երկակի կամ քառօրյակի պրոցեսոր: Nvidia GPU- ն, սակայն, կարող է ունենալ մի քանի հազար կորպուս: Այս միջուկները պատասխանատու են տարբեր խնդիրների համար, որոնք թույլ են տալիս միջուկի քանակի անմիջականորեն կապված լինել GPU- ի արագության եւ ուժի հետ:
Քանի որ CUDA միջուկները պատասխանատվություն են կրում GPU- ի միջոցով շարժվող բոլոր տվյալների համար, կորիզները կարգավորում են վիդեո խաղերի գրաֆիկայի նման դեպքեր, ինչպիսիք են, երբ նիշերն ու դեկորացիան բեռնվում են:
Դիմումները կարելի է կառուցել, օգտվելով CUDA կորեների կողմից առաջարկված աճի արդյունքներից: Nvidia- ի GPU հավելվածների էջում կարող եք տեսնել այս դիմումների ցանկը:
CUDA կորպուսները նման են AMD- ի Stream processors- ին: նրանք պարզապես այլ կերպ են կոչվում: Այնուամենայնիվ, դուք չեք կարող հավասարեցնել 300 CUDA Nvidia GPU- ն 300 Stream Processor AMD GPU- ի հետ:
Ընտրելով վիդեո քարտ `CUDA- ի հետ
CUDA կորերի առավելագույն քանակը սովորաբար նշանակում է, որ վիդեո քարտը ապահովում է ավելի արագ կատարում: Այնուամենայնիվ, CUDA- ի միջուկների քանակը միայն մի քանի բաներից է, որը դիտարկվում է տեսախցիկ ընտրելու ժամանակ:
Nvidia- ն առաջարկում է մի շարք քարտեր, որոնք ընդգրկում են ինչպես CFS 500, այնպես էլ GeForce G100- ի նման, ինչպես նաեւ 5,760 CUDA նեյտրոններ GeForce GTX TITAN Z- ում:
Գրաֆիկական քարտեր, որոնք ունեն Tesla, Fermi, Kepler, Maxwell կամ Pascal ճարտարապետությունը աջակցում CUDA: