انویدیا نسل آینده GPU های خود را معرفی نمود.

[rezagtx 10382]

انویدیا  ساعاتی پیش از نسل آینده پردازنده های خود نام برد.در بخش مهمی از صحبت های Jen-Hsun Huang   که nvidia CEO  میباشد در  کنفرانس تکنولوژی GPU  سن خوزه ،پاسکال نام نسل بعدی پردازنده های انودیا اعلام شد که بعد از نسل امسال maxwell ارائه خواهد شد.

 

ریاضی دان قرن 17 blaise Pascal برای نامگذاری نسل بعدی پردازند ها انتخاب شده است.نسل بعدی پردازنده های انویدیا سه ویژگی فوق مهم دارند:stacked DRAM, unified memory and NVLink

 

3D Memory

 

استفاده از چیپ های DRAM درون ماجول های فشرده  با اینترفیس عریض ،و قرار دادن شان در درون بسته مشابه GPU .این ویژگی به GPU اجازه خواهد داد که سریعتربه داده ها دسترسی داشته باشد و باعث افزایش چشمگیر کارایی خواهد شد.که اجازه میدهد GPU های کامپکت تر ایجاد کرد و با توان بیشتر در دستگاههایی کوچکتر قرار داد.نتیجه افزایش چند برابری پهنای باند و بیشتر از دوبرابر حجم حافظه،و کاهش چشمگیر مصرف انرژ ی خواهد بود.

 

Unified Memory

 

این بخش اجازه تولید برنامه هایی را میدهد که  میتوانند با کمک هم cpu  و هم Gpu سریعتر اجرا شوند.با اجازه دادن به cpu برای دسترسی به حافظه gpu و اجازه برعکس gpu برای دسترسی به  حافظه cpu ،توسعه دهندگان میتواند بدون اختصاص منابع بین هردو بخش ،کارایی را به طرز چشمگیری افزایش دهند.

 

NVLink

 

امروزه کامپیوترها با سرعت هایی ساخته میشوند که اجازه انتقال اطلاعات را بین cpu ,gpu فراهم میکنند.nvilink لوله بزرگ تر و عریض تری را بین cpu , gpu ایجاد میکند  و اجازه حرکت داده ها تا 80 گیگابایت را فراهم میکند!!د رمقایسه با 16 گیگابایت امروزی

 

Pascal Module

 

انودیا ماجولی طراحی نموده تا اجازه استفاده از پردازنده های پاسکال رابا قابلیت Nvlink فراهم کند.با سایزی برابر با یک سوم برد های امروزی ،آنها متیواند قدرتی بینهایت بیشتر را در بردی کوچک تر با مصرف کمتر قرار دهند.

 

پاسکال 2016 عرضه  خواهد شد.

 

 

 

رضا قاسمی

منبع guru3d

ویرایش شده مارچ 25, 2014 توسط rezagtx

[rezagtx 10382]

بخش دوم خبر

 

پردازنده های انویدیا همیشه  معروف بوده اند به کم مصرفی درمقابل کارایی بالا. لیست 500 ابر کامپیوتر کم مصرف و سبز که چندی پیش معرفی شد  کاملا گویای این مطلب است زیرا  10 ابر کامپوتر اول لیست از پردازند های انویدیا استفاده میکنند!

امروز در کنفرانس تکنولوژی GPU 2014 تیم سبز تکنولوژی های عالی را معرفی کردازجمله nvLink  که اجازه به افسار کشیدن توانایی سطح بالای شتابدهنده های گرافیکی را میدهد و دیگری نیز واحد جدید پردازشی پاسکال  با ساختار حافظه یکپارچه برای سال 2016.

 

Stacked Memory  چیست؟

پاسکال از لایه هایی از اجزای DRAM استفاده میکند  که به صورت عمودی در بسته ایی همراه با GPU یکپارچه شده اند.پهنای باند بیشتر و مصرف کمتر ،ظرفیت بیشتر حافظه در مقایسه با نسل های حاضر GDDR5 از شاخصه های برجسته این تکنولوژی میباشند.

در این روش میتوانیم حافظه حجم بالا با پهنای باند زیاد را بر روی Gpu کار کنیم و اجازه میدهند که تنظیم کننده های ولتاژ را در کنار چیپ و در نزدیکی آن برای انتقال نیروی پایدار تر وموثرتر بدهیم.

اجازه ساخت برد های فشرده تر و کوچکتر تا اندازه یک سوم برد های کنونی نیز فراهم میشود.

 

گذر از مرز سرعت PCIe

 

سیستم های عادی امروزی  اکثرا یک واحد گرافیکی یا دو عدد را از طریق شکاف توسعه PCIe به cpu وصل کرده اند.حتی با سریعترین PCIe نسل 3 که 8 گیگا ترنسفر بر ثانیه دارد و با عریض ترین پهنای باند 16X ،پهنای باند ایجاد شده در مقایسه با آنچه بین cpu و حافظه ایجاد میگردد ناچیز است.در ساختار multi gpu مشکل حاد تر نیز میشود اگر پای سوییچ PCIe در میان باشد.با سوییچ ،همان پهنای باند محدود PCIe بین gpu ها تقسیم شده و منابع آزاد حتی در هنگامی که ترافیک  peer to peer  برای gpu  ها بوجود میآید بدتر نیز میشود.

 

 nvlink  این مشکل را به گونه ایی عالی حل میکند :با ایجاد یک پهنای باند بهینه  و کم مصرف بین GPU و CPU با سرعت ریت دیتایی برابر با 5 تا 12 برابر نسل کنونی pcie 3  ،پهنای باندی در حدود 80 تا 200 گیگابایت بر ثاینه ایجاد شده و اجازه دسترسی  کاملبه  پهنای باند  سیستم حافظه  cpu را برای gpu فراهم میکند.

 

 

یک پیوست موثر و انعطاف پذیر

 

یک بلاک پایه NVLINK شامل یک لنز 8X پر سرعت دارای ضریب متغیر با لینک دو جهته میباشد که پردازنده جدید پاسکال از این لینک ها پشتیبانی میکند و میتوان به کمک آن پیکر بند های انعطاف پذیری را ایچاد نمود.این لینک ها را میتوان به شکل یک تک اتصال GPU↔CPU  و یا استفاده تکی و منحصر به فرد برای ایجاد شبکه ایی از GPU↔CPU , GPU↔GPU  به کار برد که در بخش اشتراک گذاری دیتا بین عناصر محاسیباتی  سریع و  موثر عمل میکنند.

 

 

 

,وقتی به CPU ایی که  از NVLINK پشتیبانی نمیکند متصل باشیم.اتصال باید تمام وقف جفت سازی  ارتباط GPU-to-GPU شود و باعث هدر رفتن فرصت های پردازشی برای کلاسترینگ GPU خواهد شد.

 

 

 

 

جابجایی اطلاعات انرژی مصرف میکندو برای همین انودیا  اتصال های NVLINK را از لحاظ مصرف انرژی بهینه طراحی نموده است.NVLINK دوبرابر PCIE نسل 3 موثر تر و کم مصرف تر بوده و بین ارتباط و مصرف انرژی توازن ایجاد میکند.

با شناخت ارزش اکوسیستم کنونی،در یک سیستم  مجهز به NVLINK ،تراکنش های آغاز شده توسط CPU مثل کنترل و پیکربندی هنوز هم به PCIe منتقل میشوند در حالی که تراکنش های GPU -آغاز از nvlink استفاده میکنند.این اجازه میدهد که هنوز هم از ماجول های برنامه نویسی  pcie محور قادر به استفاده باشیم در حالیکه  پهنای باند عظیم تری در اختیار داریم.

 

چرا NVLINK وStaked Memory برای توسعه دهندگان ارزشمند هستند؟

 

امروزه توسعه دهندگان تلاش زیادی برای بهینه سازی و اجتناب از گلوگاه های ترنسفر  ایجاد شده در PCIe   انجام میدهند.برنامه هایی که از این بند رهاشده باشند میتواند از بوست قابل ملاحظه در سرعت اتصا ل  بهره ببرند .

nvlink و حافظه یکپارچه،شتاب را برای دسته گسترده ایی ازبرنامه ها فراهم میکنند.افزایش حجم و پهنای باند در حافظه های یکپارچه اجازه میدهد تا برنامه های gpu محور  دسترسی سریعتر وگسترده تری رابه دیتای مورد نظر داشته باشند وتوان محاسباتی افزایش یافته ومصرف نیز کاهش خواهد یافت.از off GPU ترنسفر ها کاسته خواهد شد و  بهینه سازی برنامه ها اجازه استفاده از حجم بالای حافظه را خواهد داد وبا کمک nvlink و پیکر بند های CPU↔GPU and GPU↔GPU و پهنای باند عظیم ایجاد شده،به سطح تازه ایی از پردازش خواهیم رسید.

 

درپردازنده های پاسکال حافظه یکپارچه و nvlink  غایت ترکیب  را در کارایی و سادگی نشان خواهد داد.دسترسی کامل به پهنای باند حافظه cpu  به کمک nvlink ،بدان معنی است که پردازنده گرافیکی nvidia قادر است با همان نرخ سرعتی به اطلاعات حافظه cpu دسترسی داشته باشد که cpu دارد!!با قابلیت های استریمنیگ gpu ،حتی بعضی مواقع  gpu میتواند سریعتر ازسیستم مدیریت حافظه cpu اطلاعات را استریم کند !

 

 رضا قاسمی

ویرایش شده مارچ 25, 2014 توسط rezagtx

[rezagtx 10382]

با عرض پوزش منبع هم همون منبع بخش یک هستش بسیار معذرت

[Jang Yi Jin 178]

ممنون از مطلب فوق العاده من که همیشه طرفدار پروپاقرص انویدیا بودم @};- و هستم

[rezagtx 10382]

درود بله کیست در این شهر که طرفدار تیم سبز نیست؟!

[peyman_sh 67]

فکر کنم GDDR6 باشه