NVIDIA przedstawiła 34 Ośrodki Badań CUDA i Ośrodki Edukacji CUDA z 14 krajów, które przyczyniają się do rozwoju obliczeń na procesorach graficznych. więcej »

NVIDIA przedstawiła nową wersję zestawu narzędziowego CUDA Toolkit, przeznaczonego do tworzenia aplikacji wykorzystujących obliczenia równoległe na procesorach graficznych.

więcej »

NVIDIA zapowiedziała wprowadzenie obsługi CUDA w popularnej bibliotece obróbki obrazu, OpenCV, pomocnej w tworzeniu zaawansowanych rozwiązań dla dziedzin robotyki, motoryzacji, medycyny, produktów konsumenckich, zabezpieczeń, produkcji i nauki. więcej »

NVIDIA zapowiedziała wprowadzenie na rynek nowej platformy - RealityServer. Nowość oparto na idei obliczeń w chmurze (cloud computing). Według firmy ma ona znaleźć zastosowanie w strumieniowych aplikacjach 3D, z których mają korzystać komputery stacjonarny, notebooki, netbooki, oraz smartphone'y.

RealityServer to w uproszczeniu serwer Tesla RS wyposażony w osiem procesorów grafiki (z możliwością skalowania do stu). Będzie na nim pracować pierwsze oprogramowanie, które pod względem fizyki będzie mogło umożliwiać w pełni poprawne renderowanie, z wykorzystaniem technologii raytracingu, opartej na architekturze NVIDIA CUDA.

RealityServer, według NVIDII, będzie mógł być wykorzystywany na przykład przez ekipy inżynierów pojazdów mechanicznych, w celu wizualizacji skomplikowanych modeli trójwymiarowych, w różnych warunkach otoczenia (w tym także oświetlenia).

"Szarzy Kowalscy" też mają z tego rozwiązania czerpać korzyści. RealityServer ma bowiem umożliwiać zdalne projektowanie wnętrz, w trakcie dokonywania zakupów. Korzystając ze specjalnie przygotowanej strony internetowej będzie można planować wystrój wnętrz, przestawiać meble, dopasowywać różne elementy wystroju, w różnych warunkach oświetleniowych.

Premierę platformy RealityServer zaplanowano na 30 listopada bieżącego roku. Więcej szczegółów można znaleźć na stronie internetowej www.nvidia.com/object/realityserver.html.

więcej »

NVIDIA udostępniła pierwsze, oficjalne pakiety sterowników OpenCL GPU dla systemów operaycjnych Windows oraz Linux. Sterowniki dostępne są zarówno w wersjach 32-, jak i 64-bitowych. Pakiety dla systemów Windows oznaczone są numerem 190.89, a dla Linuksa 190.29.

Są to pierwsze, oficjalnie wspierane przez producenta GPU sterowniki OpenCL GPU, zgodne ze spcyfikacją 1.0.

Jednocześnie NVIDIA udostępniła programistom oprogramowanie OpenCL Visual Profiler, dzięki któremu mają w łatwy sposób uzyskać dostęp do informacji na temat ewentualnych błędów powodujących spadki wydajności, a także tych części kodu, które można zoptymalizować tak, aby wydajność zwiększyć.

OpenCL Visual Profiler obsługuje wszystkie GPU NVIDII obsługujące CUDA.

więcej »

NVIDIA poinformowała dzisiaj, że nawiązała współpracę z TopCoder, firmą zajmującą się organizacją konkursów programistycznych, w celu zorganizowania CUDA Superhero Challenge - serii zawodów dla programistów, którzy wykorzystywać będą moc przetwarzania równoległego architektury NVIDIA CUDA przy rozwiązywaniu największych wyzwań obliczeniowych.

Pierwsze zawody, dostępne dla wszystkich uprawnionych programistów, rozpoczną się 14 września i zakończą 25 września 2009 roku.

Nagrody o łącznej wartości 5 tysięcy dolarów zostaną przyznane pięciu zwycięzcom podczas organizowanej przez NVIDIA imprezy GPU Technology Conference, która odbędzie się w Fairmont Hotel w San Jose w dniach od 30 września do 2 października 2009 roku.

Dodatkowe informacje na temat CUDA Superhero Challenge dostępne są pod adresem www.topcoder.com/nvidia.

więcej »

NVIDIA poinformowała o dostępności 2.2 pakietów CUDA Toolkit oraz SDK dla obliczeń na GPU. Najnowsze wydanie tego oprogramowania przynosi ze sobą wiele nowych, istotnych funkcji, pozwalających uzyskać jeszcze wyższą wydajność podczas pracy z masowo-równoległymi, obsługującymi CUDA, procesorami graficznymi firmy NVIDIA. Wersja 2.2 pakietu CUDA Toolkit oferuje obsługę Windows 7, nadchodzącego systemu operacyjnego firmy Microsoft, obejmującego także obliczenia na GPU.

Wśród nowych funkcji pakietu CUDA Toolkit 2.2 znajdują się m.in.:

• Graficzny profiler dla GPU: Jednym z podstawowych działań w procesie podnoszenia wydajności aplikacji jest jej profilowanie i modyfikowanie kodu. CUDA Visual Profiler to graficzne narzędzie umożliwiające profilowanie działających na GPU aplikacji napisanych w C. W najnowszej wersji CUDA Visual Profiler oferuje możliwość pomiaru transakcji pamięci, dając twórcom oprogramowania wgląd w jeden z najważniejszych obszarów, na którym można uzyskać wyższą wydajność.
• Ulepszone współdziałanie aplikacji OpenGL: Zapewnia wyższą wydajność programów do obrazowania medycznego ora innych aplikacji OpenGL działających na procesorach graficznych Quadro, w czasie, gdy obliczenia CUDA i rendering grafiki OpenGL przeprowadzane są na odrębnych GPU.
• Teksturowanie 2D z podzielonej pamięci liniowej: W aplikacjach przetwarzających wideo zapewnia do 2x wyższą przepustowość.
• Transfer bez kopiowania (zero-copy): Dzięki tej metodzie, pozwalającej funkcjom CUDA na odczyt i zapis bezpośrednio do pamięci, wzrasta znacząco wydajność aplikacji z zakresu mediów strumieniowych, przetwarzania obrazu czy przetwarzania sygnałów. Zmniejsza także częstość i ilość danych kopiowanych pomiędzy pamięcią GPU i CPU. Funkcja obsługiwana w układach MCP7x oraz GT200 i następnych GPU.
• Stale zaalokowana pamięć współdzielona: Pozwala aplikacjom wykorzystującym wiele GPU na uzyskanie wyższej wydajności oraz wykorzystanie mniejszej ilości pamięci systemowej dzięki temu, że wiele GPU uzyskuje dostęp do tych samych danych w pamięci systemowej. Typowe systemy z wieloma GPU to serwery Tesla, osobiste superkomputery Tesla, stacje robocze wykorzystujące QuadroPlex oraz systemy klienckie wyposażone w wiele GPU.
• Asynchroniczne kopiowanie do pamięci w systemie Vista: Pozwala uzyskać wzrost wydajności dzięki asynchronicznej metodzie kopiowania pamięci. Funkcja ta jest już dostępna na innych obsługiwanych platformach i pojawiła się teraz w systemie Vista.
• Sprzętowy debugger dla GPU: Twórcy oprogramowania mogą teraz wykorzystać debugger działający na poziomie sprzętu przy pracy z GPU z obsługą CUDA: zapewnia on prostotę popularnego, open source`owego debuggera GDB przy możliwości debugowania programu o tysiącach wątków, działającego na GPU. CUDA GDB debugger dla systemu Linux wyposażony jest we wszystkie funkcje pozwalające na debugowanie bezpośrednio na GPU, w tym możliwość ustawiania punktów przerwań, monitorowania zmiennych itp.
• Tryb wyłączności: Ta opcja konfiguracyjna pozwala na przekazanie aplikacji wyłącznej kontroli nad GPU, zapewniając, że 100% mocy obliczeniowej GPU i pamięci przeznaczonych będzie dla danej aplikacji. W systemie nadal może działać jednocześnie wiele aplikacji, ale tylko jedna może wykorzystywać każdy GPU naraz. Opcja ta jest szczególnie przydatna w klasterowych systemach Tesla, gdzie w aplikacje mogą wymagać wyłącznego wykorzystania jednego lub więcej GPU w każdym węźle linuksowego klastra.

Twórcy oprogramowania mogą pobrać najnowszy Toolkit CUDA i sterowniki pod adresem www.nvidia.com/cuda. więcej »

Architektura CUDA umacnia pozycję wśród platform programistycznych pomocnych w rozwoju obliczeń na GPU, wspierających m.in. środowiska programistyczne C, OpenCL, DirectX, Fortran oraz inne języki programowania i API. W ostatniej wersji CUDA 2.2 Beta wprowadzono wiele znaczących, kluczowych elementów, w tym:

Twórcy oprogramowania korzystający ze środowiska systemu operacyjnego Linux mogą teraz używać debuggera CUDA zaprojektowanego do współpracy z GPU, oferującego interfejs znany z popularnego opensource'owego debuggera GDB, który pozwala na debuggowanie głównego kodu aplikacji wykonywanego na GPU.

Pracujący na GPU debugger posiada wszystkie funkcje, których twórcy oprogramowania oczekują od GDB, włączając w to możliwość ustawiania breakpointów, śledzenia zmiennych, kontroli stanów itp., również w wypadku specyficznych dla środowiska CUDA funkcji i właściwości.

Istotnym krokiem w dostrajaniu wydajności aplikacji jest ich profilowanie, a następnie modyfikowanie kodu. Visual Profiler 2.2 dla środowiska CUDA jest graficznym narzędziem pozwalającym na profilowanie aplikacji w języku C uruchomionych na GPU.

Ostatnia wersja CUDA Visual Profilera obsługuje w pełni pomiary przepustowości pamięci wewnątrz rdzenia układu dając tym samym programistom wgląd w jeden z najważniejszych, krytycznych obszarów pod względem wydajności obliczeń w środowisku CUDA.

więcej »

NVIDIA podała dziś informację o wprowadzeniu przez Trinigy, niezależnego dostawcę silników programistycznych do gier, wieloplatformowej integracji z technologią NVIDIA PhysX, dostępnej dla licencjobiorców najnowszego pakietu oprogramowania Vision Engine 7 .

W rezultacie, licencjobiorcy Trinigy Vision Engine uzyskają bezpłatny dostęp do technologii NVIDIA PhysX, opracowanej dla platform PC, Xbox360, PlayStation 3 i Nintendo Wii , która jest integralną częścią licencji Vision SDK.

“Większość naszych klientów wybiera NVIDIA PhysX, aby wprowadzić do swoich gier realistyczne efekty zjawisk fizycznych.” powiedział Dag Frommhold, dyrektor działu współpracy z partnerami w Trinigy. “Dlatego też jesteśmy zadowoleni, że nasi licencjobiorcy będą mogli skorzystać z najnowocześniejszej technologii obliczeń fizycznych zarówno dla komputerów PC jak i konsol."

Trinigy Vision Engine 7 jest jedną z najbardziej zaawansowanych ogólnoświatowych technologii wykorzystanych przez profesjonalnych twórców gier. W chwili obecnej tak znane firmy, jak Ubisoft, Firefly, Take 2, Neowiz, Dreamcatcher, Spellbound i inne, stosują Vision Engine w licznych projektach gier opracowywanych na całym świecie, dając tym samym dowód na jego wszechstronność i możliwość zastosowania w wielu kategoriach gier, w tym w strategiach rozgrywających się w czasie rzeczywistym, wyścigach, grach typu FPS, RPG oraz MMO.

więcej »

W pierwszym konkursie NVIDIA CUDA, zorganizowanym w celu znalezienia talentów wśród twórców oprogramowania dla procesorów graficznych (GPU) w Europie, nagrodzono cztery aplikacje. CUDA to jedyne środowisko języka C, które wykorzystuje moc przetwarzania GPU przy rozwiązywaniu wymagających obliczeniowo zadań.

Zwycięzcami zostali:

• Pierwsze miejsce - plug-in filtra dla programu GIMP; autor - Richard Membarth z Niemiec, który wygrywa stację roboczą HP xw8600 (dwa procesory Xeon 5260 (3.33 GHz), Quadro FX 3700, Tesla C870, monitor LCD HP 30"
• Drugie miejsce - Symulacja przepływu płynów; autor - Jan Linxweiler z Niemiec, który wygrywa superkomputer typu deskside NVIDIA Tesla D870
• Trzecie miejsce - Robot Range Finder; autor - Janusz Bedkowski z Polski, który wygrywa kartę graficzną NVIDIA Quadro FX 3700
• Czwarte miejsce - Wykrywanie i śledzenie twarzy; autor - Jacek Naruniec z Polski, który wygrywa kartę graficzną NVIDIA Quadro FX 3700

Bernhard Gleissner, wiceprezes działu sprzedaży NVIDIA w rejonie Europy, Środkowego Wschodu, Afryki (EMEA) oraz Indii, powiedział: „Naszym celem było zaproszenie twórców oprogramowania do wykorzystania ich umiejętności i kreatywności do stworzenia aplikacji wykorzystujących pełną moc przetwarzania równoległego procesorów graficznych. Zwycięzców wybrano, oceniając oryginalność, użyteczność, trudność programowania oraz optymalne wykorzystanie mocy przetwarzania GPU".

„Jesteśmy pod wrażeniem wydajności plug-inu do GIMP-a, stworzonego przez Richarda Membartha. Umożliwia on użytkownikom Linuksa wykorzystanie mocy ich procesorów graficznych przy przetwarzaniu obrazów i jest doskonałą demonstracją potencjału CUDA w tej dziedzinie. Symulacja przepływu płynów Jana Linxweilera także zaoferowała znaczne przyspieszenie w czasie uruchamiania na GPU oraz stanowiła dowód wysokiej jakości pracy koniecznej do stworzenia tej aplikacji. Zdobywcy trzeciego i czwartego miejsca, aplikacja Robot Range Finder oraz program do wykrywania i śledzenia twarzy, także zasugerowały ciekawe przyszłe zastosowania przetwarzania równoległego na GPU przy wykorzystaniu CUDA.".

Richard Membarth, zdobywca pierwszej nagrody, dodał: „To bardzo miłe zostać docenionym w ten sposób, a nagroda pomoże mi w dalszej pracy. CUDA jest potężnym narzędziem, dzięki któremu uzyskujemy dostęp do mocy przetwarzania równoległego GPU za pośrednictwem języka C i technologia ta umożliwiła mi stworzenie plug-inu, który znacznie przyspiesza wykorzystanie pewnych filtrów w programie GIMP. Wykorzystując GPU do skrócenia czasu potrzebnego do zaaplikowania zmian, możemy podnieść produktywność.".

Więcej informacji o CUDA można na stronie www.nvidia.pl/object/cuda_learn_pl.html.

więcej »