Envoyé par Professor Bower, chercheur dans le Quantum ChromoDynamics
QCD codes need all the compute cycles they can get and we're really excited about the results we're getting by using GPUs - we've already reduced the cost of our calculations by a factor of 5.
Ces nouveaux GPU sont prévus pour obtenir des performances encore meilleures pour les applications scientifiques, mais il faudra aussi apprendre à s'en servir, comme par avant. À cet effet, différents guides sont disponibles, en anglais (lien en bas de news). Toute la famille de GPU est déjà supportée : des optimisations sur les calculs à haute précision, le support de BLAS et de LAPACK, un débogueur basé sur gdb : CUDA-GDB, ainsi qu'un profiler.
Aussi, l'entièreté du C++ est désormais supportée sur les GPU : auparavant, quelques parties ne l'étaient pas (notamment dans la partie objet du langage). Sont de la partie les classes et les templates.
L'interopérabilité avec les API graphiques les plus répandues n'a pas changé, et a même été augmentée : DirectX 9, 10 et 11 en plus d'OpenGL peuvent être utilisés conjointement, pour CUDA ainsi que pour OpenCL. Dans la même catégorie, les outils pour Linux ont été améliorés, notamment le Memory Checker.
D'un point de vue plus technique, les kernels CUDA sont désormais compilés dans le format binaire ELF. Le module d'émulation est mis dans un paquet à part. Les biblithèques sont explicitement versionnées, ce qui permet à une application de demander une version spécifique de CUDA.
Sources
http://blogs.nvidia.com/ntersect/201...oolkit-30.html
http://developer.nvidia.com/object/c...downloads.html
Voir aussi
Le support natif du C++ pour les GT300 L'architecture Fermi Téléchargement de CUDA 3.0 Guides pour FermiEt vous ?
Avez-vous déjà utilisé CUDA ou OpenCL ? Quels bénéfices en retirez-vous ? Quels avantages supplémentaires pensez-vous pouvoir obtenir de cette nouvelle version et de cette nouvelle architecture ?
