| | 
La tecnología NVIDIA CUDA™ es el único entorno de programación en C que aprovecha la gran capacidad de procesamiento de las GPU para resolver los problemas de cálculo más complejos y de mayor carga computacional.
Lee el documento CUDA Architecture Overview para obtener más información sobre procesamiento en la GPU con CUDA.
Las herramientas de desarrollo CUDA están formadas por tres componentes fundamentales para ayudar al programador a iniciarse en este lenguaje:
1. El último controlador CUDA
2. Un kit de herramientas completo
3. Ejemplos de código del SDK de CUDA
El Toolkit de CUDA™ es un entorno de desarrollo en lenguaje C diseñado para las GPU compatibles con la tecnología CUDA. El entorno de desarrollo CUDA incluye:
- El compilador de C nvcc
- Librerías FFT y BLAS de CUDA para la GPU
- Analizador de rendimiento (Profiler)
- Depurador gdb para la GPU (versión alfa disponible en marzo de 2008)
- Controlador CUDA de tiempo de ejecución (ahora también disponible en el controlador de gráficos estándar de NVIDIA)
- Manual de programación CUDA
El kit de desarrollo (SDK) proporciona ejemplos con código fuente para ayudar a los programadores a familiarizarse con CUDA. Ejemplos:
- Ordenación bitónica en paralelo
- Multiplicación de matrices
- Trasposición de matrices
- Análisis del rendimiento mediante temporizadores
- Suma de prefijos de arrays grandes (modelo Scan) en paralelo
- Convolución de imágenes
- DWT 1D mediante la transformada wavelet de Haar
- Ejemplos de interacción de gráficos OpenGL y Direct3D
- Ejemplos de uso de las librerías BLAS y FFT en CUDA
- Integración de código C y C++ para CPU-GPU
- Modelo binomial de valoración de opciones (BOPM)
- Valoración de opciones con el modelo de Black-Scholes
- Valoración de opciones mediante el método Montecarlo
- Mersenne Twister paralelo (generación de números aleatorios)
- Cálculo de histogramas en paralelo
- Supresión de ruido en las imágenes
- Filtro Sobel para detección de bordes
- Plug-in MATLAB® de MathWorks (pinchar aquí para descargarlo)
Para ver la lista completa y descargar los ejemplos, haz clic aquí. Para poder ejecutar los ejemplos precompilados es necesario instalar antes el kit de herramientas de CUDA.
|
