Printable View
general-purpos هست یعنی برای هر کاری میشه ازش استفاده کرد اگر یک Library برای کار گرافیکی براش باشه برای اونم میشه استفاده کرد.نقل قول:
این یسری Document که پیدا کردم کسی خواست بخونه جالبه، من خودمم علاقه مند شدم:
کد:http://developer.apple.com/Mac/library/documentation/Performance/Conceptual/OpenCL_MacProgGuide/Introduction/Introduction.html
اگر opencl میتونست نیاز بخش گرافیکی هم پوشش بده هیچ وقت opengl به وجود نمیومد !
حیطه ی کاری opencl روی gpgpu یا همون پردازش موازی بر روی gpu هست .
OpenGl که خیلی قدیمی هست و OpenCL یک API open Standard جدیده والبته General-purpose البته.نقل قول:
یکی از استفاده‌های OpenCL و شاید بزرگترین استفادش برای GPGPU هست GPGPU هم هموطنور که میدونید محدود به محاسبات GPU میشه که معمولاً با API های مخصوص GPU مثل Cuda یا Stream کار می‌شده و میشه. ولی این جزو خواص اولیه OpenCL هست که تنها محدود به GPU نیست و از CPU هم استفاده میتونه بکنه (البته CPU همیشه در محاسبات نقش داره) اگرچه در حال حاضر نتایج خیلی خوبی در GPGPU در مقابل Cuda/Stream بدست آورده و چون Cross Platform هم هست در این بخش طرفدار داره زیاد پیدا میکنه ولی هنوز خیلی خیلی نوپا هست ولی چیزیه که آینده خوبی داره و من خودمم به شخصه علاقه مند شدم بهش مخصوصاً به خاطر پشتبانی از GPU و CPU باهم براحتی میشه وظایف رو تقسیم کرد کلاً چیز جالبیه فقط مشکلش اینه که فعلاً روی API و کامپایلر برای زبون مزخرف C خیلی کار شده ولی در آینده دنیای OpenCl دست Scala خواهد بود.
OpenCL هم حاصل همکاری Nvidia و Apple هست که اکثر دوستان فکر میکنن محصول Apple هست البته الان دیگه یک Open Standard همونطور که از اسمشم مشخصه، که به هیچ کمپانی تعلق نداره ولی زیر نظر کنسرسیوم Khronos هست.
در ضمن کاملاً میتونه با OpenGl رقابت کنه از هر نظری.
opencl رو خود apple شروع کرده و کمپانی هایی مثل ati و nvidia و toshiba و ... بعدا از اون پشتیبانی کردند !
اما همونطور که میدونید . برای استفاده از gpgpu تعداد بسیار زیادی هسته مورد نیازه ! مثلا gt300 ظاهرا 512 و cypress بین 1440 تا 1600 هسته داره .
حالا به فرضم که از حد اکثر 8 هسته ی cpu اتسفاده بشه ! بازم تاثیر چندانی نمیتونه داشته باشه !
تجربه نشون داده که کارت گرافیک های ضعیف هم توی پردازش موازی میتونند از سریعترین cpu ها بهتر عمل کنند .
gpgpu که پردازش فقط با استفاده از قدرت stream processors خوده GPU هست اگر CPU دخیل بشه که دیگه اصلاً GPGPU نمیشه و اصلاً هدف تغییر میکنه و اصلاً موازی سازیه داده دیگه مسخرست، اما همونطور که گفتم OpenCL شاید بزرگترین استفادش در حال حاضر برای GPGPU باشه ولی خاصیت بزرگش امکان استفاده از CPU هم هست که کارایی زیادی داره که از محدوده GPGPU خارجش میکنه و البته خیلی هم پیچیده میشه قضیه.نقل قول:
در مورد تعداد هسته چون اشاره کردی بگم (چون زیادی از GT300 زدیم بیرون یچیزی هم بگم که مربوط به اون بشه) تا حدودی درسته حرفتون به نظر میاد هرچی تعداد هسته stream یا همون تعداد stream processors بیشتر باشه خوب بدون شک تعداد بیشتری المان و قطعه موازی میشه برای اعمال Kernel فرستاد به هر واحد، که این اصلاً اصل GPGPU هست بر مبانای هدف Parrnell Programming، اما یکی موارد مهم دیگه توان arithmetic هست شاید Cypress از تعداد بالای هسته Stream در مباهات باشه اما معماری Fermi هم که از 448 واحد Stream (اول 512 تا بود که 448 شده مثل اینکه) تشکیل شده توان محاسباتی بالایی رو ارائه میده و البته در زمینه FPI هم به سان Intel کارهایی جدید کردن که بدون شک در کل توان محاسباتی تأثیر زیادی داره و البته کلی جزئیات دیگه هم وجود داره که از معلومات من خارجه (ولی به زودی اونارم متوجه میشم :31:).
این بخش سخت‌افزاریه قضیست در بخش نرم‌افزاری قضیه خیلی متفاوته و کلاً مشکلات و قضایا جور دیگه‌ایه.
معلومه که توان محاسباتی فرمی بالاست !
درسته که 448 stream داره ولی هر کدوم در فرکانس بالاتری نستبت به 1600 stream که در cypress استفاده شده فعالیت میکنند .
در ضمن مگه در پست قبلی خود شما نبودید که اشاره کردید که cpu همیشه در محاسبات نقش داره .(که البته چندان جمله ی صحیحی نیست ) اما الان صحبت خودتون رو در مورد محسابات موازی در gpu نقض کردید ؟
نوع alu های nvidia , ati کاملأ با هم فرق می کنند و اصلأ نمی شه کارایی برابر یا باللتر بودن مدل خاصی رو به فرکانس بالاتر sm های انودیدیا نسبت به ati نسبت داد!نقل قول:
چرا در مورد فرکانس میشه صحبت کرد اما نمیشه اون رو دلیل برتری دونست ! این رو که هر کسی میدونه ! ممنون که یاد آوری کردید !
من نمیخوام خیلی وارد این بحث بشم چون ربطی به اینجا نداره ولی چرا کلاً اگر پردازشی در سیستم قرار باشه اتفاق بیفته معماری X86 طوریه که بدون CPU نمیشه این اتفاق بیفته حتی اگر همه پردازش رو سمت GPU ببریم کامل (!) بازم CPU یه نقش خیلی جزئی در یه جائی عمل میکنه بدون شک این جنبه کاملاً عملیه قضیست و در تئوریات شاید درج نشه، البته کلاً تمام پردازش سمت GPU معمولاً غیر ممکنه و پردازش موازی فقط میتونه شامل سری از پردازش‌ها با اهداف مشخص و یکسو باشه که خبری هم از Synchronization داده مشترک هم توشون نباشه کلاً محدودیت‌های خودشون رو داره معمولاً اینجور پردازش‌ها با اهداف خاص دنبال میشه که در بحث پردازش موازی بر روی GPU این مباحث وجود داره.نقل قول:
کلاک پائین‌تر هم میتونه عاملی در افزایش توان محاسباتی واحد‌ها باشه اما بازم قضیه پیچیده تر از اینکه که بشه همچی رو به فرکانس و کلاک نسبت داد، باید معماری‌ها به صورت جزئی‌تر بررسی بشن که از توان و تخصص این انجمن خارجه.
کلاً دو معماری متفاوته مشخصاً نمیشه اینطور در مورد کلاک‌شون بحث کرد و همونطور که گفتم نیاز به باز کردن معماری هست.نقل قول: