Grafikkort kan du godt regne med …

Grafikkort kan du godt regne med …

Share

De nyeste grafikkort i dag kan nemt overgå musklerne i hovedprocessoren på den computer, de sidder i. Det er også gået op for både forskningen og erhvervslivet

Mange grene af samfundet anvender i dag computere til at løse stadigt større og mere komplicerede problemer, og det kræver selvsagt stadigt mere af computerens kræfter og formåen. Men en almindelig cpu (Computer Processing Unit) har nu engang ikke ubegrænset regnekraft. Derfor fylder producenterne ofte adskillige processorer (kerner) i den samme computer.

Men måske skulle alle brugere af kraftige computere vende blikket mod det ellers på mange måder oversete gpu-grafikkort (Graphic Processing Unit), der reelt er kraftigere end de fleste standardprocessorer. De fleste transistorer, der stadig – om end nu i nanostørrelse – er en af hovedkomponenterne i digital teknologi, arbejder nemlig forskelligt i en cpu og en gpu.

I en almindelig cpu bruger de ikke bare kræfter og energi på selve problemet, men holder også styr på, hvad der skal ske næste gang, hvilke data der blev læst sidst, og så videre. Altså en hel masse bogføring, hvor selve beregningen måske kun udgør 1 % af arbejdet. I en gpu bliver næsten alle transistorkræfter derimod brugt til regnearbejde.

Dansk forskningscenter bygger egen gpu-computer

Det danske forskningscenter “Glas og Tid” har siden 2008 benyttet Nvidia grafikkort og CUDA-programmeringsmodellen til beregninger. Centret har udviklet specialdesignede algoritmer, som udnytter de forskellige muligheder og sammensat en ”supercomputer” med omkring 90 grafikkort, hvilket udmønter en beregningskapacitet på den pæne side af 90 teraflops/sek.

Se også:  QUIZ: Hvorfor hedder tech-producenter det de gør?

Det danske firma udnytter gpu-computeren til bl.a. at forstå seje væskers dynamik og simulering af forskellige molekylemodeller. Dette kan ifølge firmaet ikke gøres med cpu-baserede simuleringer, der kun kan foretage beregninger af meget korte tidsrum typisk ca. 10 nanosekunder, og på så kort tid kan mange egenskaber ikke studeres.

1500 mikroprocessorer i en gpu.

Gpu-processorer er derudover først og fremmest udviklet til at håndtere pixels og grafik i realtid i forbindelse med pc-spil, animationer og computergrafiske fremstillinger og eksempelvis til lynhurtigt at rendere 3D-billeder. Dermed er grafik-processoren god til enorme mængder parallelle beregninger. Omvendt er cpu’en god til serielle opgaver.

En normal kraftig cpu kan typisk præstere 20-60 gigaflops (én gigaflop er en mia. decimalberegninger eller ”floating-point opera-tions per second”), mens en kraftig gpu let kan præstere 1000 gigaflops. Et moderne grafikkort eller gpu er nemlig opbygget af mange, men simple mikroprocessorer. Det kan let dreje sig om 1500 mikroprocessorer eller flere og det til en pris på omkring et par kroner pr. processor.

Se også:  Guide: Sådan rydder du op i dine mails i Gmail

Sagen er, at mens cpu’en i en almindelig computer som oftest indeholder fire kerner med 512 standardprocessorer, indeholder et grafikkort måske 4000 kerner, hvilket giver mulighed for i princippet at afvikle 4000 beregninger ad gangen. Og selv om moderne cpu’ere nu måske har to, tre eller hele fire kerner, er det meste software stadig kodet til blot én kerne.

Sammenligning af ydeevne mellem en cpu fra Intels tidligere high end cpu-serie Sandy Bridge og Nvidias navnkundige gpu-processor (GeForce GTX-680). Jo flere GFLOP/s jo hurtigere er processoren.

Og det er softwaren, der afgør, hvad du kan bruge de to typer af ”regnemaskiners” kræfter til. For desværre kan du ikke bare tage ethvert softwareprogram ned fra hylden og afvikle det på en samling grafikkort i stedet for en cpu. Softwaren skal være programmeret til det. Hvis computeringeniører derfor førhen ville anvende grafikkort til beregninger, skulle de først foretage en ganske besværlig programmering, hvor de eksempelvis skulle ”oversætte” fysiske størrelser som f.eks. en partikels hastighed og position til pixelkoordinater på en skærm for at få grafikkortet til at føle sig hjemme og udføre de ønskede beregninger.

Del denne