TRENDY | NVIDIA GTC
ti v profi sfére. Tento kompilátor bol vyvinutý v spolupráci s firmou PGI (The Portland Group) a umožňuje klasickým procesorom x86 a x64 platforiem spúšťať a ladiť aplikácie pôvodne limitované len na použitie s NVIDIA GPU. Možno sa pýtate čo vlastne viedlo NVIDIU k otvoreniu svojej pôvodne uzavretej platformy. Dôvod je to veru jednoduchý – nastupujúce GPGPU riešenia OpenCL a Microsoft Direct Compute síce nemajú takú podporu ako NVIDIA CUDA, avšak segment HPC (High preformance computing) je v mnohých smeroch nevyspytateľný. Ak si aj tu chce NVIDIA zachovať svoju (zatiaľ) absolútnu prevahu s GPGPU, musí umožniť používať CUDA každému vývojárovi. Nie vždy je totiž v ich možnostiach použiť NVIDIA GPU, bez ktorého doteraz CUDA vlastne nefungovala. Spojenie CUDA a x86 tak urýchľuje adaptáciu nových vývojárov a automaticky poisťuje NVIDII vedúce postavenie v tomto segmente trhu.
GPU V AUTOMOBILOVOM PRIEMYSLE GeForce do každého auta? Ak by to malo zachrániť čo i len jeden život, prečo nie? Dnešné automobily sú prešpikované elektronikou skrz naskrz, avšak väčšinou sa jedná o viacero malých čipov, ktorým
mnohokrát chýba potrebná centralizácia. Zaujímavé riešenie na GTC predstavila University of California v spojení so značkou BMW. Ich využitie GPU totiž nerieši len prevzatím už používaných riešení, ale prichádza so sofistikovanou detekciou dopravných značiek. Môžete si povedať, že čo tu už len je na zložitej detekcii značky, keď aj váš mobil vie detekovať tvár pri fotení a nepotrebuje k tomu žiadne prevratné GPU. Skúste si však predstaviť vysokú rýchlosť so zlými poveternostnými podmienkami a problém je hneď na svete. Podrobne analyzovať nie vždy kvalitnú snímku tak určite nie je jednoduché a vyžaduje si to solídnu dávku výkonu. Táto analýza navyše nemôže trvať nijak dlho a pri vyšších rýchlostiach je potrebné to stihnúť niekoľko desiatok krát. Tu totiž auto dokáže prejsť za sekundu bez problémov aj 30 metrov a ak si pozriete tabuľku s výkonom pri použití procesorov a GPU, tak je hneď jasný víťaz. Paralelné spracovanie dát ide jednoznačne lepšie GPU s jeho vysokým počtom Stream procesorov a dokáže tak úspešne detekovaž značku aj pri vysokých rýchlostiach, či vo veľmi zlých poveternostných podmienkach (silný dážď, hmla). Základnými krokmi tu je aplikovanie Sobel filtra na detekciu hrán objektov (CUDA) a následne detekcia samotných značiek (CUDA a OpenGL). Aktuálne táto technológia pracuje s 90 % úspešnosťou v Európe a 88 % v Spojených štátoch (je to dané rozdielnym dizajnom samotných značiek).
AKO MÔŽE GPU ZACHRÁNIŤ (AJ VAŠE) SRDCE
Procesor Dual-Core Intel Atom 230(g) 1.6GHz Intel Core2Duo 6300 @ 1.86GHz NVIDIA GeForce 9200M GS NVIDIA GeForce 8600 GTS
10
l PCSPACE 11.2010
Jadrá 2 2 1 4
Čas 235 ms 130 ms 65 ms 23 ms
Rýchlosť (fps) 4,25 7,7 15,4 43,5
Zrýchlenie 1,8× 3,6× 10,2×
Jednou zo zaujímavých ukážok možností využitia GPU bolo riešenie vyvinuté odborníkmi z LIRMM (The Montpellier Laboratory of Informatics, Robotics, and Microelectronics). To sa zaoberá veľmi náročným úkonom – operáciou srdca. Pri ňom je v súčasnosti využívané silne invázne riešenie, ktoré je nielen nebezpečné, ale ostáva po ňom aj ťažšie hojaca sa rana. Moderným trendom v kardiochirurgii sa tak stávajú laparoskopické operácie na pracujúcom srdci, ktoré ovláda diaľkovo riadený počítač. V budúcnosti by sme sa tak už nemali ocitnúť na stole s otvoreným hrudníkom,
ale len s pár otvormi pre ramená samotného stroja. To výrazne skráti následnú rekonvalescenciu, zníži riziká zanesenia infekcií či podružných problémov a dokonca aj zníži finančné náklady na samotnú operáciu. V tomto kontexte tak implementácia robo-
tickej asistencie prináša výrazne bezpečnejší a hlavne jednoduchší chirurgický zákrok. Zásadným problémom pri operácii bijúceho srdca sú jeho neustále pohyby spôsobené nielen ním samotným, ale napríklad aj dýchaním pacienta. Cieľom práce odborníkov z LIRMM bolo využitie sily GPU na detekciu a následnú kompenzáciu pohybov srdca, spôsobujúcich deformáciu jeho povrchu. To umožňuje chirurgom vykonávať aj tie najjemnejšie úkony, ktoré by inak boli prakticky nemožné. Pri vývoji tejto technológie sa pôvodne používalo primárne „klasické“ CPU, avšak nedokázalo dostatočne rýchlo analyzovať dáta a výstup neumožňoval kompenzáciu pohybov v reálnom čase. Tento problém sa mohol vyriešiť len dvoma spôsobmi – drahým riešením pozostávajúcim z niekoľkých CPU, alebo výrazne lacnejším GPU, ktoré bolo nakoniec logickou voľbou.