Tesla

Aceleración computacional
Resolver los desafíos más importantes de la humanidad
Aceleración computacional - Resolver los desafíos más importantes de la humanidad

¿QUÉ ES EL GPU COMPUTING ACELERADO?

El cálculo acelerado en la GPU puede definirse como el uso de una unidad de procesamiento gráfico (GPU) en combinación con una CPU para acelerar aplicaciones de deep learning, análisis e ingeniería. NVIDIA lo introdujo en 2007 y, desde entonces, las GPU aceleradoras han pasado a instalarse en centros de datos energéticamente eficientes de laboratorios gubernamentales, universidades, grandes compañías y PYMEs de todo el mundo. Desempeñan un papel fundamental en la aceleración de aplicaciones que abarcan desde la inteligencia artificial hasta los coches, drones y robots.

CÓMO ACELERAN LAS GPU LAS APLICACIONES DE SOFTWARE

El cálculo acelerado en la GPU traslada las partes de la aplicación con mayor carga computacional a la GPU y deja el resto del código ejecutándose en la CPU. Desde la perspectiva del usuario, las aplicaciones simplemente se ejecutan más rápido.

How GPU Acceleration Works
 

Rendimiento de la GPU frente a la CPU

Una forma sencilla de entender la diferencia entre la GPU y la CPU es comparar la forma en que procesan las tareas. Una CPU está formada por varios núcleos optimizados para el procesamiento en serie, mientras que una GPU consta de millares de núcleos más pequeños y eficientes diseñados para manejar múltiples tareas simultáneamente.

 

Las GPU poseen miles de núcleos que procesan las cargas de trabajo de forma paralela y muy eficiente

GPU Vs GPU: Which is better?

Echa un vistazo al vídeo de abajo para ver las diferencias entre la GPU y la CPU de una forma amena

Echa un vistazo al vídeo de abajo para ver las diferencias entre la GPU y la CPU de una forma amena
Vídeo: Demostración Mythbusters: GPU frente a CPU (01:34)

Con más de400 aplicaciones HPC aceleradas, incluidas 9 de las 10 más utilizadas, todos los usuarios de GPU pueden beneficiarse de un increíble aumento de rendimiento para sus cargas de trabajo. Descubre si las aplicaciones que utilizas tienen aceleración de GPU en nuestro catálogo de aplicaciones (PDF 1,9 MB).

EMPIEZA HOY MISMO

Existen tres enfoques fundamentales a la hora de dotar a las aplicaciones de aceleración a través de la GPU:
  • Utilizar librerías optimizadas para las
  • Añadir instrucciones de compilación para paralelizar automáticamente el código
  • Utilizar extensiones de lenguajes estándar, como C y Fortran

Es muy fácil aprender a usar las GPUs con el modelo de programación paralela CUDA.

Para acceder a las clases online y a los recursos de desarrollo gratuitos, entra en la zona CUDA.

VISITA CUDA ZONE

 
 
 
CUDA y el GPU Computing

Qué es el GPU Computing
Hechos sobre el GPU computing
Programación para la GPU
Arquitectura de GPU Kepler
Computación en la nube con las GPUs
Contacto

Qué es CUDA
Escaparate de aplicaciones CUDA
Formación en CUDA
Centros de Excelencia CUDA
Centros de Investigación de CUDA
Centros de Enseñanza de CUDA

Aplicaciones para la GPU

Aplicaciones para GPUs Tesla
Casos de estudio sobre Tesla
Directivas de OpenACC
Prueba de GPUs Tesla

GPUs Tesla para servidores
y estaciones de trabajo

Por qué elegir Tesla
Soluciones Tesla para servidor
Soluciones Tesla para estaciones
de trabajo

Plataforma de desarrollo integrado
Comprar GPUs Tesla

Noticias e información
sobre Tesla

Documentación sobre los
productos Tesla

Características del software
para Tesla

Herramientas de desarrollo de
software para Tesla

NVIDIA y la investigación
Alertas de Tesla

Síguenos en la red

NVIDIA Blog Blog de NVIDIA
Facebook Facebook
Twitter @NVIDIA_ES
YouTube YouTube