Tesla

Calcolo accelerato
Risoluzione delle sfide più importanti del mondo
Calcolo accelerato - Risoluzione delle sfide più importanti del mondo

CHE COS'È IL COMPUTING ACCELERATO?

Il computing accelerato dalle GPU affianca una GPU (unità di elaborazione grafica) a una CPU per accelerare le applicazioni di apprendimento profondo, analisi e ingegneria. Gli acceleratori GPU sono stati utilizzati per la prima volta per questo scopo proprio da NVIDIA nel 2007 e sono fondamentali per i data center ad elevata efficienza energetica per svariati settori: laboratori di ricerca, università, aziende e piccole e medie imprese di tutto il mondo. Sono fondamentali per l'accelerazione delle applicazioni in varie piattaforme, dall'intelligenza artificiale agli autoveicoli, ai droni e ai robot.

ACCELERAZIONE DELLE APPLICAZIONI SOFTWARE CON LE GPU

Con il computing accelerato dalle GPU, i calcoli più impegnativi delle varie applicazioni vengono eseguiti dalle GPU, mentre il resto del codice viene eseguito dalla CPU. Dal punto di vista dell'utente, l'unica differenza è che le applicazioni sono molto più veloci.

How GPU Acceleration Works
 

Prestazioni di GPU e CPU

Per comprendere con facilità la differenza tra CPU e GPU, basta confrontare la modalità con cui effettuano le operazioni. Una CPU è costituita da diversi core ottimizzati per l'elaborazione seriale sequenziale, mentre una GPU è dotata di un'architettura parallela costituita da migliaia di core più piccoli ma più efficienti, progettati per la gestione simultanea di più operazioni.

 

Le GPU hanno migliaia di core che consentono l’elaborazione estremamente efficiente di carichi di lavoro paralleli

GPU Vs GPU: Which is better?

Guarda il video qui sotto per comprendere con facilità la differenza tra CPU e GPU

Guarda il video qui sotto per comprendere con facilità la differenza tra CPU e GPU
Video: Mythbusters Demo: GPU e CPU (01:34)

Con oltre 400 applicazioni HPC accelerate, tra cui 9 delle 10 più importanti, tutti gli utenti delle GPU sperimentano un enorme incremento della produttività per i carichi di lavoro. Scopri se le applicazioni che usi sono accelerate dalle GPU nel nostro catalogo di applicazioni (PDF 1,9 MB).

INIZIA SUBITO

Esistono tre approcci basilari per aggiungere l'accelerazione delle GPU alle applicazioni:
  • Uso di librerie ottimizzate per le GPU
  • Aggiunta di “suggerimenti” per il compilatore per "parallelizzare” automaticamente il codice
  • Uso di estensioni dei linguaggi di programmazione comuni, ad esempio C e Fortran

Imparare a usare le GPU con il modello di programmazione in parallelo CUDA è facile.

Per l’apprendimento online e l’uso di risorse gratuite per sviluppatori, visita CUDA ZONE.

VISITA CUDA ZONE

 
 
 
CUDA e il GPU Computing

Che cos'è il GPU Computing?
Dati sull'elaborazione via GPU
Programmazione su GPU
Architettura delle GPU Kepler
Cloud Computing GPU
Contattaci

Che cos’è CUDA?
Vetrina di CUDA
Training su CUDA
Calendario Corsi CUDA
CUDA Research Center
CUDA Teaching Center

Applicazioni per GPU

Applicazioni per GPU Tesla
Storie di successo di Tesla
Direttive OpenACC
Tesla GPU Test Drive

GPU Tesla per
server e workstation

Per quale motivo scegliere Tesla
Soluzioni server Tesla
Soluzioni Workstation Tesla
Embedded Development Platform
Acquista GPU Tesla

News e informazioni Tesla

Documentazione sui prodotti Tesla
Funzionalità software Tesla
Strumenti di sviluppo software Tesla
Ricerca NVIDIA
Avvisi Tesla

Trovaci online

NVIDIA Blog Blog di NVIDIA
Facebook Facebook IT
Twitter Twitter IT
YouTube YouTube