Nvidia CUDA

Masuk dalam Kotak

header-cuda-parallel-programming-la

 

Ini adalah GPU parallel computing yang memberikan aliran data untuk intruksi perkalian atau penjumlahan integer. Dan ini adalah mengenai kualitas kinerja dan arsitektur. Ini adalah Floating Point Mean of Absolut Difference. Ini adalah Anisotropic Filtering. Namun lebih dari itu, ini adalah sebuah tawaran yang diberikan Nvidia untuk masuk dalam kotak besar dan Stream Processing Unit (SPU) atau shader processor untuk menangani intruksi Aritmatika dan Algoritma baru untuk mengurangi Artifak dari Tesselation.

Untitled-1

Dan ini adalah kampanye Nvidia yang cu­kup menarik. Ini bukan berarti bahwa Nvidia sedang menggem­bar-gemborkan kemampuan grafis yang hebat. Akan tetapi, kampanye ini menam­pilkan kemampuan GPU untuk mengerjakan pekerjaan di luar grafik.

 CUDA! Merupakan kepanjangan dari Compute Unified Device Ar­chitecture. Sebuah GPU NVIDIA yang dilengkapi CUDA akan membuat graphics card tersebut berubah menjadi lebih dari sekadar pem­roses grafik saja. CUDA adalah arsitektur parallel computing yang dikembangkan Nvidia. Tujuannya adalah, agar GPU dapat diakses oleh software dan diman­faatkan sebagai sarana pemrosesan data atau rendering.

CUDA sudah ada pada grafis Nvidia di mulai seri 8, 9 dan Quadro. Pengaktifan ini tidak hanya sebuah hardware atau aksesoris saja, namun melekat pada arsitektur GPU.

CUDA55

PhysX

Saat ini, Physics dalam game, sudah kian banyak digunakan. Efeknya, gerakan dan interaksi obyek dalam game menjadi kian nyata. Karena, physics menggunakan data perhitungan fisika untuk menganimasi gerakan dan interaksi.

AMD (termasuk ATI) dan Intel meng­gunakan Havoc untuk menjalankan phy­sics pada prosesor. Sementara itu, Nvidia menyediakan PhysX untuk menja­lankan physics pada (jika memungkin­kan) GPU dan prosesor. Jadi, jika sebuah game sudah mendukung GPU PhysX, GPU akan mengemban tugas menjalan­kan perhitungan physics. Dengan metode ini, Nvidia menjanjikan kinerja game (yang menggunakan physics) lebih baik. Melihat dukungan beragam produsen game, tampaknya PhysX akan kian berkembang ditahun-tahun mendatang.

maxresdefault

Video

Sudah begitu banyak aplikasi video transco­ding untuk menampilkan kinerja CUDA. Kami menemukan bahwa apli­kasi video transco­ding memang dapat melakukan tugasnya (convert DVD ke MP4) lebih cepat dibandingkan prosesor biasa. Setidak­nya, pemanfaatan CUDA ini menjadikan tugas kepada prosesor berkurang dan kita mampu mengerjakan tugas lainnya tanpa mengganggu kinerja CUDA. Namun alangka baiknya kita menghentikan segala aktifitas baik itu prosessor maupun GPU, agar konsentrasi transco­ding berjalan dengan baik.

 Hal yang cukup menarik adalah kerja sa­ma Adobe dengan Nvidia untuk meng­akselerasi Photoshop CS4, CS5, CS6. Aplikasi yang wajib bagi para fotografer dan yang berkecimpung di bidang desain ini, sudah memanfaatkan CUDA untuk memudah­kan proses zoom, panning, dan rotate. Hal yang menarik adalah tampilan saat melakukan beberapa effect seperti, zooming, panning, dan rotate. Dengan memanfaatkan kinerja GPU, proses ter­sebut berjalan dengan mulus dan nyaman dilihat mata.

cara kerja VGA Modern 02

cara kerja VGA Modern

2038_p3_1

CPU atau GPU: Konsumsi daya

Selain masalah kinerja dan waktu yang diperhatikan oleh akselerasi GPU, hal yang perlu kita perhatikan adalah masalah konsumsi daya. Beberapa pengujian menunjukkan bahwa tugas untuk membebani CPU masih lebih “baik” ketimbang membebani GPU. Mengapa? Perlu diingat bahwa proses encoding masil lebih banyak dilakukan oleh CPU. Walaupun beban filter sudah teralihkan ke GPU. Namun pengujian menunjukkan akselerasi filter memiliki beban lebih kecil dari 45%, mengandalkan CPU dalam mengaplikasikan filter

Sebuah Awal Yang Baik

Berbeda dengan janji yang pernah ditawarkan GPU dan paralel processing beberapa tahun lalu. Dan sekarang kita dapat melihat dengan nyata apa yang bisa ditawarkan GPU. Bukanlah omong kosong. Yang perlu ditunggu adalah para developer software untuk memanfaatkan atau mengoptimalkan kinerja GPU.

Berangkat dari pembahasan diatas, ada beberapa hal yang masih mengganjal. Dimana arsitektur CUDA saat ini hanya ada pada graphics card Nvidia. ATI maupun Intel “segan” mendu­kung inisiatif ini. Walaupun beberapa tahun lalu, ATI sudah memperkenalkan API (Application Programming Interfaces).

Dengan API Standar, program mereka tidak hanya berjalan di graphics card Nvidia saja, tetapi juga di ATI dan Intel.

Dan tidak mengherankan, banyak orang berharap pada OpenCL. Spesifikasi perta­ma OpenCL telah diumumkan, bahkan lebih cepat daripada yang diduga. Baik Intel, AMD maupun Nvidia telah menyuarakan dukungan pada OpenCL. Di sisi lain, Microsoft juga sudah “membuka dan mengaplikasikan” akses programming GPU di DirectX 11 dengan Compute Shaders.

Walaupun begitu, bila kita melihat dari sudut pandang yang lebih “luas” Open­CL hanyalah batu pijakan tambahan da­ri penggabungan instruksi CPU dengan GPU, sesuatu yang bisa kita harapkan di tahun-tahun nanti.

Kesimpulan

Pemanfaatan GPU untuk aplikasi non-grafis memang sangat menarik. Implementasinya sudah terlihat nyata. Banyak pen­gembang yang menyatakan akan membuat aplikasi/software yang diakselerasi CUDA (Adobe, Corel, Nero, dan banyak lagi lain­nya). Akan tetapi, apakah pengembang software akan berpatokan pada CUDA saja? Atau mungkin AMD akan membuka jalan bagi mereka agar dapat memanfaat­kan GPU-nya juga? Atau mungkin Intel yang akan hadir dengan solusi yang tak kalah menarik?

Ya, semuanya berlomba-lomba untuk “menyerang” pemanfaatan GPU dan mengaplikasikannya yang tidak hanya pada aplikasi bersifat grafis saja. Dukungan OpenCL dan DirectX 11 semakin mengukuhkan kinerja dari arsitektur. Dengan harapan bahwa kinerja dunia encoding, rendering, dan 3D semakin nyata.

Facebook Comments

About Team HybridTecno

Check Also

GTX 780wallpaper

BEBERAPA HAL DALAM MEMILIH VGA / GPU

BEBERAPA HAL DALAM MEMILIH VGA / GPU     Perkembangan VGA / GPU beberapa tahun …