利用TESLA GPU和MATLAB实现大规模型数据并行处理

Math works, nvidia

Matlab2011a的解决方案

陈炜

Matlab2011 在gpu上的应用

华平

2007 Tesla宣布

gpu有快速的浮点处理能力

第一代的x86没有浮点处理单元,8087

已经成为业界主流的架构

512个核,非常适合做并行的运算

真实的应用软件加速

分子动力学

基因的排序,检索

两类 计算密集型 内存带宽密集型

gpu在这两类都具有较大的优势

最新的tesla,m2090,以后还有c
665g float
开普勒

浮点运算的能力

软件的支撑环境

cuda c/c++

fortran,与pgi合作

M卡面向数据中心,大客户,oem
m2050,2070,2090
c卡 单独增加gpu计算能力

性能提高班5xx到665
c++更好的支持

中山大学 300多台

amber分子动力学
世界最快的amber模拟

休斯顿 hess 石油天然气 地震资料处理

彭博社 债券定价系统

cuda⒋0的改进

cuda x86
没有gpu的情况下,可以开发gpu的程序

你可能感兴趣的:(Math,CUDA,matlab,float,fortran,数据中心)