Parallélisez vos traitements en les confiant à votre GPU !

Magazine
Marque
GNU/Linux Magazine
HS n°
Numéro
73
Mois de parution
juillet 2014
Spécialité(s)


Résumé
Lorsque l'on réalise certaines opérations complexes, la recherche de performances est une clé importante. Il y a beaucoup d'options pour rendre un algorithme performant, mais on n'a pas forcément accès à un serveur de 32 processeurs et disposant de 64 Go de RAM ! On se contente en général d'un seul CPU dont les meilleurs ont deux, quatre ou huit cœurs.

Sur les ordinateurs modernes, il existe un composant qui évolue très rapidement, au point de parfois même devenir plus puissant que le CPU et qui est conçu dès l'origine pour être hautement parallélisable : il s'agit du processeur de votre carte graphique, ou GPU.

Cet article va présenter les diverses notions (CPU, GPU et GPGPU entre autres), puis deux librairies, PyCUDA et PyOpenCL, qui vont vous permettre de transférer vos calculs à votre GPU et obtenir ainsi de meilleures performances.

1. Définitions

1.1 CPU

Le CPU (Central Process Unit ou unité centrale de traitement) est le composant électronique central dans un ordinateur. C'est lui qui est chargé d'exécuter les instructions issues des programmes informatiques.

On peut distinguer plusieurs composants dans un CPU, parmi lesquels :

- l'unité d'entrée-sortie (permettant de communiquer avec la mémoire ou indirectement avec les…

La suite est réservée aux abonnés. Il vous reste 94% à découvrir.
  • Accédez à tous les contenus de Connect en illimité
  • Découvrez des listes de lecture et des contenus Premium
  • Consultez les nouveaux articles en avant-première
Envie de lire la suite ? Rejoignez Connect
Je m'abonne maintenant


Article rédigé par