Los GPU y la computación acelerada
La demanda gráfica del mundo actual es muy alta tanto en el mundo del entretenimiento como en el industrial, con la implementación de nuevas opciones académicas en nuestra localidad, así como emprendimientos de espectro amplio es necesario que conozcamos las ventajas de esta tecnología, NVIDIA líder mundial en hardware especializado en gráficos nos informa de este importante avance ya a nuestra disposición.
La computación acelerada por GPU es el uso de una unidad de procesamiento de gráficos (GPU, por sus siglas en inglés) junto a una CPU para acelerar el funcionamiento de las aplicaciones de aprendizaje profundo, análisis e ingeniería. Hoy en día, los aceleradores de GPU, una innovación de NVIDIA allá por el 2007, permiten el funcionamiento de centro de datos con eficiencia energética en laboratorios gubernamentales, universidades, empresas, y pequeñas y medianas empresas en todo el mundo. Tienen un papel muy importante en la aceleración de aplicaciones en plataformas, que abarcan desde la inteligencia artificial hasta automóviles, drones y robots.
La computación acelerada por GPU permite asignar a la GPU el trabajo de los aspectos de la aplicación donde la computación es más intensiva, mientras que el resto del código se ejecuta en la CPU. Desde la perspectiva del usuario, las aplicaciones se ejecutan de forma mucho más rápida.
Una forma sencilla de comprender la diferencia entre una GPU y una CPU es comparar la forma en que procesan las tareas. Una CPU tiene unos cuantos núcleos optimizados para el procesamiento en serie secuencial, mientras que una GPU cuenta con una arquitectura en paralelo enorme que consiste de mieles de núcleos más pequeños y eficaces, y que se diseñaron para resolver varias tareas al mismo tiempo.
Las GPU tienen miles de núcleos para procesar cargas de trabajo en paralelo de forma eficiente.
Con casi 400 aplicaciones de HPC aceleradas (incluidas 9 de las mejores 10) todos los usuarios de GPU ahora pueden experimentar un aumento de rendimiento exponencial para sus cargas de trabajo.
Fuente: https://la.nvidia.com/object/what-is-gpu-computing-la.html
