GPU-Graphics Processing Unit
• GPU est une puce informatique disposée sur la carte graphique, qui vise à optimiser le rendu d'images, l'affichage 2D et 3D, ou encore les vidéos.
• Il existe deux versions de GPU :
– Le GPU intégré au PC, partage sa mémoire avec le processeur du CPU.
– Le GPU discret dispose de sa propre mémoire vidéo (VRAM)et est placé sur sa propre carte, pour un meilleur résultat.
– NVIDIA, AMD, Intel et ARM comptent parmi les acteurs majeurs du marché des GPU.
– NVIDIA a introduit le premier GPU pour ordinateurs personnels, GeForce 256, en 1999.
Les GPU (GPGPU- General Purpose GPU) font désormais référence à l'utilisation de GPU pour d'autres applications que les graphiques 3D traditionnels.
Exemples : NVIDIA's GeForce GTX 580 a 512 Compute Unified Device Architecture (CUDA) cores a 1544 MHz. AMD's Radeon HD 6970 a 1536 processeurs a 880 MHz 1.4 CPU vs GPU Les CPUs fonctionnent mieux sur des ensembles de tâches partiellement séquentiels et sensibles à la latence.
En revanche, les GPU fonctionnent mieux avec les tâches tolérantes à la latence, hautement parallèles et indépendantes.
Parallélisme
• Calcul séquentiel : exécution d’instructions étape par étape, que les opérations soient indépendantes ou non, a priori sur une seule ressource.
– Ce calcul a atteint ses limites de performances
• Les volumes de données à traiter sont trop importants.
• Volonté ou nécessité d’exploiter de nouvelles ressources(mutualisation de ressources (cluster …)).
La Solution :
– HPC(High Performance Computing ) et calcul parallèle
• Calculer en parallèle : effectuer plusieurs calculs simultanés sur différentes ressources.
• Le HPC :
– Exploiter au mieux les ressources, améliorer les performances : vitesse (Flops …), mémoire, réseau, disque.
– Paralléliser
Applications
Les simulations (de problèmes complexes) basées sur des modèles mathématiques complexes nécessite de plus en plus de puissance de calcul et d’espace mémoire.
– Prévisions météorologiques (développement futur de l’atmosphère à court et long terme).
– Conception d’avions, aérodynamisme, automobile, sous-marins furtifs.
– Simulations de crash en industrie automobile (résultats plus précis à moindre coût).
– Les systèmes de recherche d’information(SRI): le besoin du calcul parallèle est évident, que ce soit pour la phase indexation ou recherche
– Vision par ordinateur.
– Reconnaissance de parole.
– Application graphique en industrie de cinéma et de publicité.
– Data Analytics / Big Data: Analyse de grands ensembles de données de type variés.
– Cloud Computing: etc