|
Date : 18November 2007
By :
Ivan's
Dengan daya proses GPUs (yaitu. grafik chip
yang ditempatkan di VGA) Semakin hari makin
meningkat sampai ke titik yang lebih tangguh
dibanding CPU yang reguler untuk kalkulasi
matematik,pembahasan GPU tidak bisa
digunakan sebagai CPU untuk memproses
program-program reguler. Gagasan, yang
dikenal sebagai GPGPU (General-purpose
computation on GPUs), untuk diberikan kepada
kalkulasi GPU yang sebagaimana akan
dilaksanakan oleh CPU untuk meningkatkan
kinerja.
Masalahnya adalah bagaimana caranya untuk
melakukan hal ini, sebagai seorang
programmer mau tidak mau harus mengetahui
bagaimana caranya memprogram pada suatu GPU
yang spesifik untuk membuat suatu program
yang bisa menggunakan sistim GPU, dan
program ini tidak akan bekerja dengan suatu
GPU yang berbeda.
Untuk memecahkan isu ini nVidia meluncurkan
suatu compiler C yang cuma-cuma kepada
GeForce 8800 series mereka, dinamakan CUDA.
Dengan CUDA setiap programmer dapat dengan
mudah mengcompile program-program mereka
yang ditulis didalam bahasa C dengan
menggunakan kuasa sistim GPU untuk memproses
program mereka.
Selangkah lebih maju , nVidia meluncurkan
satu rangkaian “kartu video” yang dinamakan
Tesla. Ini adalah “Video card ” tonjolkan
GeForce 8800 GPUs tetapi mereka tidak
menghasilkan video: mereka ditargetkan untuk
digunakan seperti CPUs, pengolahan dan
memprogram. Di dalam artikel ini, kita akan
mengatakan kepada anda segala hal yang anda
perlu untuk memahami tentang Tesla, termasuk
banyak gambar-gambar dari solusi-solusi
Tesla.
Program-program ini yang harus di-compile
dengan CUDA. Para pemakai biasa tidak akan
mendapatkan manfaat dari teknologi ini,
janganberpikir bahwa dengan memasang satu
card ini di PC mu, kinerja pengolahan
komputer anda akan secara otomatis terjadi
peningkatan.
Segala hal kalkulasi yang berat dalam
pemrograman dalam mengerjakan berbagai hal
di dalam paralel dapat diuntungkan dari
penggunaan dari GPGPU , jika mereka di-compile
untuk menggunakan GPU, tentu saja. Hal ini
dimasukkan di dalamnya kebanyakan
simulasi-simulasi (ilmu fisika, keuangan,
medis, biologi dan bahan kimia, sebagai
contoh).
Satu hal sangat yang menarik tentang CUDA
adalah bahwa anda tidak perlu untuk memiliki
Card Tesla yang diinstall untuk menggunakan
nya. Maka seorang programmer dapat membeli
setiap kartu video dari GeForce 8800
rangkaian dan mencoba nya untuk melihat jika
menggunakan GPU sebagai ganti CPU itu akan
sesungguhnya memperbaiki kinerja dari
aplikasi yang sedang ditulis. Jika itu
membuat rencana bagus, lalu programmer itu
dapat berpikir tentang membeli lebih sistem
daya, yakni Tesla Solusi.
Sejauh ini nVidia sudah meluncurkan tiga
produk Tesla: Basic Card, dengan nama C870,
yang adalah suatu GeForce 8800 Video Card
tetapi tanpa keluaran video. “C” adalah
“Card”. Card ini mempunyai 15 GB dari memori
dan mempunyai suatu kinerja pengolahan math
dari 500 GFLOPS (billions of floating-point
operations per second). Menggunakan suatu
patokan PCI Express x16 Konektor card ini
dapat diinstall di setiap komputer desktop.
Gambar 1:
Tesla C870 card.
Gambar
2: Terlihat bagaimana card ini
tidak memiliki video output.
Basic dari kartu ini adalah building block
untuk kedua produk Tesla lainnya , yang
tersedia: D870 dan S870.
D870 –di mana “D” di atasnya nama mewakili
“Desktop” –adalah suatu kasus eksternal
kecil berisi dua kartu C870, sehingga daya
proses dari solusi ini berasal dari 1 TFLOP
(trillion of floating-point of operations
per second). pada kasus ini disambungkan ke
PC utama melalui suatu kabel , yang mana
pada dasarnya adalah suatu perluasan PCI
Express bus.
Figure 3:
Casing kecil pada gambar adalah Tesla
D870, dimana terdapat dua C870 cards.
kemudian kita mempunyai model yang
paling muktahir, Tesla S870, yang mana
mensupport empat kartu C870 di dalam. Kita
akan memperbicangkan tentang produk ini di
halaman berikut.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| |
