TEMA 1.1 INTRODUCCIÓN A LAS ARQUITECTURAS MASIVAMENTE PARALELAS

Transcripción

1 TEMA 1.1 INTRODUCCIÓN A LAS ARQUITECTURAS MASIVAMENTE PARALELAS Curso 2012 / 13 Procesadores Gráficos y Aplicaciones en Tiempo Real Profesores: David Miraut y Óscar D. Robles c GMRV Enero / David Miraut Andrés Procesadores Gráficos y Aplicaciones en Tiempo Real 2012/13 1/41 41

2 Una reflexión preliminar En la evolución de las especies, las razas supervivientes no fueron las más fuertes ni las más inteligentes, sino las que mejor se adaptaron a los cambios. Charles Darwin Sometimes a skilled and dedicated programmer could coax the graphics programming interface and hardware to accomplish something beyond the ordinary, but this was usually hard, time-consuming work. [...] Radima Fernando y Mark. J. Kilgard. The Cg Tutorial (pág. xxxi) Todas las marcas y productos mencionados en estas trasparencias están registradas por sus respectivas compañías, y su uso es de carácter descriptivo con fines docentes Parte de las tablas y gráficos están basados en las presentaciones de numerosas conferencias y en los libros y artículos citados en la bibliografía 2 / David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas Índice general 2/41 41

3 Estructura de la introducción Qué es una GPU? Render online vs. render offline La tarjeta al natural : componentes de la tarjeta Motivación Crisis del modelo serie y límites tecnológicos Paralelismo en microprocesadores Paralelismo en supercomputadores I think there is a world market for maybe five computers. - Thomas Watson, chairman of IBM, There is no reason for any individual to have a computer in their home - Ken Olson, president and founder of Digital Equipment Corporation, On several recent occasions, I have been asked whether parallel computing will soon be relegated to the trash heap reserved for promising technologies that never quite make it. - Ken Kennedy, CRPC Directory, / David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas Índice general 3/41 41

4 Qué es una GPU? Las siglas GPU significan: Graphic Procesor Unit De modo que estas siglas designan cualquier procesador que realice funciones relacionadas con un sistema gráfico (no necesariamente asociado a un sistema de visualización en forma de pantalla ó proyector) David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas Definición de GPU 4/ 41 4/41

5 Qué es una GPU? En esta asignatura nos vamos a restringir a dos grupos concretos de procesadores gráficos: las GPUs programables de las tarjetas gráficas 3D de los ordenadores personales y su uso en clusters (típicamente granjas de render) Ejemplo: GeForce 8500 silent David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas Definición de GPU 5/ 41 5/41

6 Las tarjetas gráficas Están diseñadas para gráficos en tiempo real Están presentes en casi todos los PCs (incluso aquellos que sólo tienen un chipset en placa, ahora ya tienen ciertas capacidades de shading) Nos permiten incrementar el realismo y la complejidad de lo que deseemos representar (en 3D) No es un simple procesador, sino una colección de ellos organizados de acuerdo con el cauce gráfico (algunos de ellos programables / configurables), dentro de lo que llamaremos el chip gráfico. Al programarlos definimos cómo queremos que parezcan los objetos que vamos a representar 6 / David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas Definición de GPU 6/41 41

7 Tiempo real vs. procesamiento offline No tiempo real Desarrollo en código estándar para CPU Segundos a horas por frame Miles de líneas de código Cantidad "ilimitada" de cálculo, texturas, memoria... Tiempo real Tradicionalmente desarrollado con HW de funcionalidad fija Docenas de frames por segundo Miles de instrucciones Capacidad limitada de cómputo, memoria, texturas... 7 / David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas RT vs offline 7/41 41

8 Tiempo real vs. procesamiento offline No tiempo real Desarrollo en código estándar para CPU Segundos a horas por frame Miles de líneas de código Cantidad "ilimitada" de cálculo, texturas, memoria... Tiempo real Tradicionalmente desarrollado con HW de funcionalidad fija Docenas de frames por segundo Miles de instrucciones Capacidad limitada de cómputo, memoria, texturas... 8 / David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas RT vs offline 8/41 41

9 La línea entre tiempo real y offline rendering Se mueve cada vez más deprisa :-) Gráfica original de Kurt Akeley y Pat Hanrahan (2001) 9 / David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas RT vs offline 9/41 41

10 La línea entre tiempo real y offline rendering Pero queda mucho camino por recorrer... Reality is 80 million polygons. Alvy Ray Smith, Pixar 10 / David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas RT vs offline 10/41 41

11 La tarjeta en tus manos Una tarjeta GF7900GS (en el laboratorio tenemos GF9600GT) David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas La tarjeta por dentro 11 / 11/4141

12 Diagrama de bloques de la tarjeta gráfica (I) ATI Rage típica Estudiemos sobre una sencilla tarjeta de finales de los 90, la disposición de sus elementos. (No había todavía problemas de disipación y los ventiladores no nos tapan) David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas La tarjeta por dentro 12 / 12/4141

13 Diagrama de bloques de la tarjeta gráfica (II) Estudiemos sobre una sencilla tarjeta de finales de los 90, la disposición de sus elementos. (No había todavía problemas de disipación y los ventiladores no nos tapan) Chip gráfico (al tener sólo uno equivale a la GPU) ATI Rage típica Memoria de vídeo: 4 módulos cada uno de una anchura de 32 bits, dispuestos de 2 en 2 para completar el ancho de 64 de esta GPU Controlador de señal y color RAMDAC (ahora estaría dentro del chip gráfico) David Miraut Andrés BIOS de vídeo (ahora es el firmware el que hace su función) Oscilador de reloj (14 31 Mhz) Introducción a las Arquitecturas Masivamente Paralelas La tarjeta por dentro 13 / 13/4141

14 Diagrama de bloques de la tarjeta gráfica (III) Estudiemos sobre una sencilla tarjeta de finales de los 90, la disposición de sus elementos. (No había todavía problemas de disipación y los ventiladores no nos tapan) Jumper de tres pines para la configuración del firmware y la BIOS ATI Rage típica Conectores de ampliación de la tarjeta Puntos de anclaje con la carcasa del PC David Miraut Andrés Conector AGP para acople a la placa base y extensión inertepara cerrar bien las conexiones adicionales en caso de fijar la tarjeta a uno de estos zócalos Introducción a las Arquitecturas Masivamente Paralelas La tarjeta por dentro 14 / 14/4141

15 Esquema de buses y comunicación DRAM del sistema 6,4 GB/s o más CPU Puente Norte 6,4 GB/s Hasta 8GB/s Cómo se encuadra la tarjeta en el conjunto del sistema? GPU Al monitor Hay que ser conscientes de los saltos hasta llegar a la GPU (carga de programa y overhead) Puente Sur Otros periféricos DRAM Gráfica Hasta 35 GB/s Modelo de referencia Pentiun IV típico con GeForce 6800 Estos números son del año 2006 (equivalente a lo que encontramos en PS3) pero han escalado en PC manteniendo la proporcionalidad 15 / David Miraut Andrés Introducción a las Arquitecturas Masivamente Paralelas La tarjeta por dentro 15/41 41

16 Unidades de medida en HPC Las unidades en High Performace Computing son: FLOP: operación en coma flotante FLOPS: FLOP por segundo Bytes: tamaño de los datos (un dato en coma flotante de doble precisión requiere 8) Típicamente se miden en millones, billones, trillones Mega Mflop/s = 10 flop/sec Mbyte = 2 = ~ 10 bytes Giga Gflop/s = 10 flop/sec Gbyte = 2 ~ 10 bytes Tera Tflop/s = 10 flop/sec Tbyte = 2 ~ 10 bytes Peta Pflop/s = 10 flop/sec Pbyte = 2 ~ 10 bytes Exa Eflop/s = 10 flop/sec Ebyte = 2 ~ 10 bytes Zetta Zflop/s = 10 flop/sec Zbyte = 2 ~ 10 bytes Yotta Yflop/s = 10 flop/sec Ybyte = 2 ~ 10 bytes La máquina más potente en la actualidad Pflops 16 / David Miraut Andrés Motivación Unidades de medida 16/41 41

17 Qué interés tienen las GPUs para nosotros? Académica triple motivación Los procesadores gráficos actuales son fuertemente paralelos (aunque tienen ciertas peculiaridades) PF Máster / Tesis Se pueden resolver problemas computacionalmente complejos y mejorar su visualización Práctica Son baratas Pieza fundamental en la programación de juegos 3D 17 / David Miraut Andrés Motivación Triple interés 17/41 41

18 Motivación académica Los paradigmas de programación han ido evolucionando con el tiempo y el aumento de la potencia del hardware: Programación en lenguajes ensamblador Tarjetas perforadas y código máquina Programación de subrutinas / librerías Lenguajes portables de alto nivel Programación orientada a objetos Tradicionalmente, como ingenieros nos dedicabamos a escribir software lineal/serie y (gracias a Motorola, IBM, Intel y AMD) éste corría dos veces más rápido cada 18 meses Pero ya no nos sirve aumentar la frecuencia del reloj / David Miraut Andrés Motivación Académica 18/41 41

19 El la-z boy y la tendencia computacional de los microprocesadores Tenemos el doble de transistores por chip cada 18 meses: la ley de Moore Los microprocesadores son más pequeños, densos y potentes. Gordon Moore (cofundador de Intel) predijo en 1965 que la densidad de transistores en chips semiconductores se doblaría cada 18 meses. 19 / David Miraut Andrés Motivación Académica 19/41 41

20 Transistores por chip en microprocesadores Crecimiento del número de transistores por chip Incremento de la frecuencia de reloj 20 / David Miraut Andrés Motivación Académica 20/41 41

21 El impacto de la reducción del tamaño de los dispositivos Qué ocurre cuando el tamaño transistor se reduce en un factor de x? La frecuencia de reloj aumenta por x de que las líneas de transmisión son más cortas en realidad menos que x, debido al consumo de energía El número de transistores por unidad de área crece en un factor de x 2 El tamaño del die también tiende a incrementar Típicamente otro factor de x De manera que la capacidad computacional cruda del chip crece por un factor de x 4 un factor de x 3 es debido a las mejoras arquitecturales que se hacen en el interior del chip paralelismo: paralelismo oculto como ILP localidad: caches 21 / David Miraut Andrés Motivación Académica 3 21/41 41

22 El impacto de la reducción del tamaño de los dispositivos El coste de fabricación supone un reto muy importante que limita el uso de tan alta densidad Coste de cada fábrica de semiconductores en millones de dólares de 1995 Segunda Ley de Moore: el coste crece Imagen de una puerta CMOS de 60 nm Concepto original de James Demmel Qué porcentaje de los chips son utilizables? Por ejemplo, a la salida del Cell (Ps3) se daban por buenos chips con 7 SPEs (en lugar de 8) para mejorar el ratio. 22 / David Miraut Andrés Motivación Académica 22/41 41

23 La densidad de potencia limitada el rendimiento en ejecución en serie 23 / David Miraut Andrés Motivación Académica 23/41 41

24 El viejo modelo queda obsoleto Gráfico tomado de The Free Lunch Is Over: A Fundamental Turn Toward Concurrency in Software Herb Sutter, Dr. Dobb s Journal, 30(3), March 2005 El "viejo" modelo en el que se aumentaba la velocidad de reloj del procesador segmentado ya no da más de sí. Ahora nos encontramos en medio de un cambio, no gracias, sino más bien forzados por el hardware procesadores asíncronos currarse mejor el juego de instrucciones refrigeración brutal 24 / David Miraut Andrés Motivación Académica 24/41 41

25 La clave está en las consecuencias del proceso de miniaturización Chip gráfico típico en 2006 (diseño base para PS3) Tamaño del circuito: 2 12x12 = 144 mm Proceso de fabricación: 90 nm, SOI, 9 capas de metalización En media: 500 MHz 300 Mill. transistores 200 dólares 100 Watts 12 mm Distancia recorrida en función de la frecuencia de reloj 3 GHz (típico en CPUs) 1 GHz 500 Mhz (típico en GPUs) Coste computacional y area de las ALUs en la GPU Tamaño relativo para una ALU de 32 bits 5 picojulios/operación entera 50 pj/flop Tamaño relativo para una FPU de 64 bits Coste de la comunicación en una GPU a 500 Mhz 4 mm 8 líneas char 16 líneas int 32 líneas float 64 líneas double 10 pj 20 pj 40 pj 80 pj La capacidad de cálculo de los procesadores tipo Von Neumann no ha crecido al mismo ritmo que su número de transistores 25 / David Miraut Andrés Motivación Académica 25/ mm

26 La clave está en las consecuencias del proceso de miniaturización Chip gráfico típico en 2006 (diseño base para PS3) Si las Tamaño unidades del funcionales circuito: 2 están 12x12 lejos = tardaremos 144 mm muchos Proceso ciclos de fabricación: en llegar!! 90 nm, SOI, Y vamos a gastar 9 capas de metalización mucha energía!! En media: 500 MHz 300 Mill. transistores 200 dólares 100 Watts 12 Parece mm que nos caben muchas ALUs aquí adentro Distancia recorrida en función de la frecuencia de reloj 3 GHz (típico en CPUs) 1 GHz 500 Mhz (típico en GPUs) Coste computacional y area de las ALUs en la GPU Tamaño relativo para una ALU de 32 bits 5 picojulios/operación entera 50 pj/flop Tamaño relativo para una FPU de 64 bits Coste de la comunicación en una GPU a 500 Mhz 4 mm 8 líneas char 16 líneas int 32 líneas float 64 líneas double 10 pj 20 pj 40 pj 80 pj La capacidad de cálculo de los procesadores tipo Von Neumann no ha crecido al mismo ritmo que su número de transistores 26 / David Miraut Andrés Motivación Académica 26/ mm

27 La revolución ya ha llegado La densidad en los chips continúa incrementándose en un factor de casi por todos cada dos años pero la frecuencia de reloj no sigue ese ritmo es el número de cores el que se duplican su lugar dependiendo de la arquitectura podemos encontrar poco paralelismo oculto (ILP) el paralelismo se expone y debe ser gestionado por software 27 / David Miraut Andrés Motivación Académica 27/41 41

28 Motivación académica (II) El nuevo modelo: Reescribes tu software de forma altamente paralela Correrá el doble de rápido cada vez que Intel y AMD dupliquen el número de núcleos Para escribir software más rápido ( optimizar ) tendremos que incrementar su paralelismo El paralelismo es el futuro y el presente! La carrera ya ha empezado en los móviles y ordenadores personales Dual Core Quad Core Micronúcleos IBM Cell 9 Procesadores GPUs cientos AMD-ATI Nvidia Intel Intel/AMD Intel/AMD 28 / David Miraut Andrés Motivación Académica 28/41 41

29 Motivación investigadora Los procesadores tradicionalmente duplicaban su capacidad cada 18 meses, eso significa un aumento en pot. cálculo: Anual 1.5 Década 60 Pero las GPUs duplican su capacidad cada 12 meses, lo que se traduce en un aumenta de su pot. cálculo espectacular: Anual 2.0 Década 1000 Y eso no viene debido a que su potencia sea pequeña y hayan dado un salto en potencia no sostenible Pentium4 3GHz 6 GFLOPS 6 GB/s. de pico GeForceFX GFLOPS 34 GB/s. de pico Cuidado! Estos numeros sólo indican la capacidad de cálculo Datos / David Miraut Andrés Motivación Investigadora 29/41 41

30 Crecimiento y potencial de cálculo (2007) 3.0 GHz Intel Core2 Quad (QX6850): Cálculo: 96 GFLOPs (pico) BW memoria: 21 GB/s (pico) Precio: 1100$ (chip) nvidia GeForce 8800 GTX: Cálculo: 330 GFLOPs (observado) BW memoria: 55'2 GB/s (observado) Precio: 550$ (placa) Intel Core Duo: 48 GFLOPS, ~10 GB/s NVIDIA G80: 330 GFLOPS, 80+ GB/s G80 GeForce 8800 GTX G71 GeForce 7900 GTX G70 GeForce 7800 GTX NV40 GeForce 6800 Ultra NV35 GeForce FX 5950 Ultra Nv30 GeForce FX 5800 Sistemas monochip G G71 G70 nvidia ATI-AMD Intel G80* GHz Core2 Quad NV30 NV35 NV40 Intel Core2 Duo 0 Ene Jun Abr May Nov Mar Nov Nov G80 R / David Miraut Andrés Motivación Investigadora 30/41 41

31 NV40 G70 G80* G80 R600 G GHz Core2 Quad Intel Core2 Duo G280 G260 Intel Quad 9770 Intel Core i7 965 EE Crecimiento y potencial deradeon cálculo HD 4870 (2009) 1000 G280 Crecimiento y potencial de cálculo 2000 Radeon HD 4870x2 nvidia ATI-AMD Intel G GTX G GTX G GTX G92 GeForce 9800 GTX G80 GeForce 8800 GTX G71 GeForce 7900 GTX G70 GeForce 7800 GTX NV40 GeForce 6800 Ultra NV35 GeForce FX 5950 Ultra Nv30 GeForce FX 5800 Sistemas monochip G G71 G70 G80* GHz Core2 Quad NV30 NV35 NV40 Intel Core2 Duo 0 Ene Jun Abr May Nov Mar Nov Nov G80 R600 G Intel Core i7 965 EE 0 NV30 NV35 Nov Mar Ene Jun Abr May Nov Intel Quad 9770 Nov Nov G G71 Radeon HD 4870 Nov 2007 Nov Nov / David Miraut Andrés Motivación Investigadora 31/41 41

32 (1) (1) Crecimiento y potencial de cálculo (2012) nvidia ATI-AMD Intel G680 GeForce GTX 680 G580 GeForce GTX 580 G480 GeForce GTX 480 G280 GeForce GTX 280 G260 GeForce GTX 260 G92 GeForce 9800 GTX G80 GeForce 8800 GTX G71 GeForce 7900 GTX G70 GeForce 7800 GTX NV40 GeForce 6800 Ultra NV35 GeForce FX 5950 Ultra Nv30 GeForce FX 5800 Sistemas monochip Radeon HD 5870 nvidia K20 nvidia K10 G680 Radeon HD 7870 El HW gráfico multiplica por 2 su capacidad de computo cada año. Si los juegos AAA son proyectos a 5 10 años, las tarjetas gráficas de esa época deberían de ser Radeon HD G580 G480 Radeon HD G NV35 NV40 NV30 G80* R600 G92 G80 G G70 G71 Intel Core i7 Core2 Quad 965 EE Intel Core i7 3960X EE Jun Abr May MarNov Nov Nov Nov Nov Nov Nov veces más potentes que las actuales Por qué no esperar? 32 / David Miraut Andrés Motivación Investigadora 32/41 41

33 Supercomputación: Una idea muy loca en 2006/ Lugar País Fecha y Fabricante Lawrence Livermore Natl. Lab Estados Unidos 10 Junio 2005 (IBM) IBM Tom Waton Research Center Esatdos Unidos 23 Mayo 2005 (IBM) NASA Ames Research Center Estados Unidos 28 Octubre 2004 (SGI) Earth Simulator Center Japón 4 Junio 2002 (NEC) Barcelona Supercomputing Center España 9 Junio 2005 (IBM) ASTRON/Univ. De Gronigen Estados Unidos 22 Mayo 2005 (IBM) Supercomputador Rendimiento Nº y tipo de procesadores real (y pico) Red de interconexiones en GFLOPS BlueGene/L PowerPC MHz (183500) Propietaria BGW (BlueGene) PowerPC MHz (114688) Propietaria Columbia Itanium MHz (60960) Numalink / Infiniband Earth Simulator nodos SX MHz (40960) CrossBar multietapa Marenostrum PowerPC GHz (42144) Myrinet BGW (BlueGene) PowerPC MHz Fecha (34406) Hardware Propietaria representativo Finales de los años 90 Finales del año 2004 Finales del año 2003 Finales del año 2004 Hoy mismo en el laboratorio David Miraut Andrés Motivación Investigadora IBM SP/2 Cray T3E Intel Paragon Earth System Modeling Facility (IBM) Cluster de GPU GeForce 5800 Cluster de GPU GeForce 6800 Datos 2006 Rendimiento máximo 520 GFLOPS Coste del equipo $ (estimaciones según la función de rendimiento/coste de T. Sterling) Función de rendimiento/coste $ 28 / MFLOPS sost. $ 11 / MFLOPS pico (T. sterling 1999) 528 GFLOPS $2 / MFLOPS pico $ 32 x 399 $ = 512 GFLOPS $ / MFLOPS pico $ 32 x 399 $ = 1280 GFLOPS $ / MFLOPS pico $ 50 tarjetas Cluster de GPU 8650 GFLOPS = $ / MFLOPS pico GeForce $ Datos extraídos y adaptados de la publicación de Manuel Ujaldón 33 / 33/4141

34 Supercomputación: Valencia (2008) A principios de este año se ha anunciado la adquisición y puesta en marcha de varios superordenadores que se van a integrar en la Red Española de Supercomputación (RES): Datos 2008 Fecha Nombre Localización Potencia Cálculo pico Coste 25 Enero 2008 Tirant Valencia 4 4 TeraFLOPs 1 2 M 27 Nov Finis Terrae Galicia 12 9 TeraFLOPs +60 M < GeForce 8800 GT x 9 = TeraFLOPs 2013 Hoy por menos de 400 tenemos la misma capacidad computacional 34 / David Miraut Andrés Motivación Investigadora 34/41 41

35 Supercomputación: Galicia (2008) A principios de este año se ha anunciado la adquisición y puesta en marcha de varios superordenadores que se van a integrar en la Red Española de Supercomputación (RES): Datos 2008 Fecha Nombre Localización Potencia Cálculo pico Coste 25 Enero 2008 Tirant Valencia 4 4 TeraFLOPs 1 2 M 27 Nov Finis Terrae Galicia 12 9 TeraFLOPs +60 M 2013 Hoy por menos de 1100 tenemos la misma capacidad computacional 26 GeForce 8800 GT 202 x 26 = TeraFLOPs (sin memoria compartida a diferencia del Finis Terrae) 35 / David Miraut Andrés Motivación Investigadora 35/41 41

36 Supercomputadores en CG Y si "dopamos" los supercomputadores con tarjetas gráficas? Y si los estudios de animación utilizasen las tarjetas para hacer cálculos en lugar de gráficos? Y si esos cálculos nos permitiesen hacer mejor los gráficos? David Miraut Andrés Motivación Investigadora 36 / 36/4141

37 Top 500 en 2011 TeraFLOPS Capacidad computacional: Supercomputadores heterogéneos con procesadores gráficos Supercomputadores con procesadores de propósito general Consumo en MegaWatios MegaWatios 0 0 Tianhe-1A Jaguar Nebulae Tsubame HopperII Más detalles en el siguiente bloque de este tema 37 / David Miraut Andrés Motivación Investigadora 37/41 41

38 Nuevo Top 500 (Nov 2012) Cray Titan es una supercomputadora Cray XK7 En realidad es una actualización del Cray Jaguar, la anterior supercomputadora del Oak Ridge National Laboratory. Se esperaba que superase los 20 PFlops (el pico teórico está en 24.8 PFlops), pero los tests muestran un rendimiento sostenido entorno a los PFlops Está equipada con CPUs AMD x86-64 Opteron 6274 de 16 núcleos y GPUs Nvidia Tesla K nodos, cada uno conteniendo un CPU de 16 núcleos con 32 GiB de RAM un GPU con 6 GiB de RAM núcleos en total 10 PBytes de almacenamiento (más de discos duros de 1TB) El almacenamiento y la RAM son más caros que el procesamiento En el siguiente bloque se tratará con detalle 38 / David Miraut Andrés Motivación Investigadora 38/41 41

39 La nueva interpretación de la ley de Moore El número de cores por chip se multiplica por dos cada año. La capacidad de los mantiene (y posiblemente disminuya) Surge la necesidad de tratar con sistemas con millones de hebras concurrentes Nos enfrentamos al diseño de programas que tienen que explotar el paralelismo dentro y fuera de los chips. 39 / David Miraut Andrés Motivación Cambio de paradigma 39/41 41

40 Cambio de paradigma Las decisiones arquitecturales en las tarjetas gráficas no son debidas a caprichos de los diseñadores o meras campañas de marketing, sino que responden a: Necesidades de los usuarios/programadores gráficos En las siguientes clases haremos sencillos ejercicios para comprobar y comprender como se han ido ajustando a estas necesidades las GPUs Limitaciones tecnológicas Que nos obligan a un cambio en el modelo de procesamiento y a replantear la manera en la que nos enfrentamos a los problemas al descompensarse el equilibrio de magnitudes al que estamos acostumbrados Computacion vs. Comunicación vs. Consumo energético Latencia vs. Ancho de Banda 40 / David Miraut Andrés Motivación Cambio de paradigma 40/41 41

41 Conclusiones preliminares Tenemos un super-procesador muy asequible ( 250e) en el interior de nuestros PCs (Laptops, PDAs, móviles... ) Gran potencia computacional Programable (pixel, vértices, video engines) Precisión suficiente para muchas aplicaciones (al menos 32 bits) No sólo nos sirve para gráficos Rápido crecimiento en potencia asegurado Cómo es posible? Los descubriremos en los siguientes bloques 1 1 Por supuesto hay truco, y para aprovechar estas arquitecturas es necesario conocerlas a bajo nivel 41 / David Miraut Andrés Motivación Conclusiones 41/41 41