🚑 🏚️ 👨🏿‍🌾 रोजमर्रा के कामों में ओपनसीएल 🕋 👨‍⚕️ 👰

हाल ही में, हमने एचएसए के बारे में बात की और पीसी के निर्माण के नए दृष्टिकोण के फायदों की चर्चा के दौरान, हमने GPGPU जैसे एक दिलचस्प विषय पर एक ग्राफिक्स त्वरक पर सामान्य प्रयोजन कंप्यूटिंग को छुआ। आज, AMD वीडियो त्वरक OpenCL का उपयोग करके अपने संसाधनों तक पहुंच प्रदान करते हैं, एक रूपरेखा जो एक अपेक्षाकृत सरल और सहज प्रोग्रामयोग्य उच्च-समानांतर प्रणाली प्रदान करती है।

आज, बाजार पर सभी प्रमुख खिलाड़ियों द्वारा ओपनसीएल प्रौद्योगिकियों का समर्थन किया जाता है: "उन्नत" त्वरण के साथ कार्यक्रम प्रदान करने की क्षमता (यह भी मुफ़्त है, क्योंकि ओपनसीएल किसी भी रॉयल्टी या रॉयल्टी का मतलब नहीं है) स्पष्ट रूप से इसके लायक है, और हर कोई ऐसे एपीआई की बहुमुखी प्रतिभा से लाभ उठाता है जो अपने उत्पादों में OpenCL समर्थन लागू करता है।

आज के रोज़मर्रा के जीवन में आप कहां ओपनसीएल से मिल सकते हैं, इसके बारे में और पढ़ें कि कैसे यह नियमित रूप से कार्यालय सॉफ्टवेयर को गति देता है और आज डेवलपर्स के लिए यह क्या अवसर खोलता है और हम बात करेंगे।

GPGPU, OpenCL और थोड़ा सा इतिहास

बेशक, ओपनसीएल सामान्य जीपीयू कंप्यूटिंग को लागू करने का एकमात्र तरीका नहीं है। OpenCL के अलावा, बाजार पर CUDA, OpenACC और C ++ AMP हैं, लेकिन पहले दो प्रौद्योगिकियां वास्तव में लोकप्रिय और प्रसिद्ध हैं।

वही लोग जिन्होंने दुनिया को OpenGL और OpenAM तकनीकें दीं: ख्रोनोस ग्रुप, OpenCL मानक विकसित कर रहे थे। OpenCL ट्रेडमार्क स्वयं Apple का है, लेकिन, सौभाग्य से प्रोग्रामर और दुनिया भर के उपयोगकर्ताओं के लिए, यह तकनीक "ऐप्पल" कंपनी के उत्पादों के लिए बंद या बंधी नहीं है। ऐप्पल के अलावा, क्रोनोस गॉप में एक्टिविज़न ब्लिज़ार्ड, एएमडी, आईबीएम, इंटेल, एनवीडिया और एक दर्जन से अधिक कंपनियां (मुख्य रूप से एआरएम समाधानों के निर्माता) शामिल हैं, जो बाद में कंसोर्टियम में शामिल हो गए।

एक निश्चित सीमा तक, OpenCL और CUDA वैचारिक और वाक्यविन्यास समान हैं, जिनसे समुदाय को केवल लाभ हुआ है। कुछ विधियों और दृष्टिकोणों की समानता के कारण, प्रोग्रामर के लिए दोनों तकनीकों का उपयोग करना आसान है, "बंद" और NVidia CUDA हार्डवेयर से स्विच करने के लिए सार्वभौमिक और हर जगह काम करने के लिए बाध्य (साधारण मल्टी-कोर सीपीयू सहित, और सुपर कंप्यूटर CELL आर्किटेक्चर पर आधारित) OpenCL ।

रोज़मर्रा के उपयोग में ओपनसीएल

अब आप सोचेंगे, "हाँ, वे गेम और फोटोशॉप के बारे में बात करेंगे।" नहीं, OpenCL सिर्फ ग्राफिक्स से परे कंप्यूटिंग को गति देने में सक्षम है। GPGPU की क्षमताओं का उपयोग करने वाले सबसे लोकप्रिय अनुप्रयोगों में से एक है ... एक क्रॉस-प्लेटफ़ॉर्म ऑफिस सुइट लिब्रे ऑफिस। OpenCL का समर्थन 2014 में इसमें दिखाई दिया और इसका उपयोग कैल्क टेबल मैनेजर में गणना को गति देने के लिए किया जाता है।

एएमडी A10-7850K के साथ R7 ग्राफिक्स कोर और इंटेल कोर I5 के साथ बोर्ड पर HD4600 के साथ सिस्टम प्रदर्शन की दृश्य तुलना है:

सिंथेटिक परीक्षणों में, OpenCL के उपयोग से विषम कंप्यूटिंग में समान AMD A10-7850K महंगे i5-4670K / 4690 के रूप में लगभग दो बार बेहतर प्रदर्शन करते हैं :

वैसे, विज्ञान और इसके लागू क्षेत्रों में बहुत सारे कार्य हैं जो पूरी तरह से वीडियो त्वरक के वेक्टर प्रोसेसर में स्थानांतरित हो जाते हैं और आपको सीपीयू की तुलना में दसियों और सैकड़ों गुना तेज गणना करने की अनुमति देते हैं।

उदाहरण के लिए, रैखिक बीजगणित के विभिन्न खंड। वैक्टर और मेट्रिसेस का गुणा जीपीयू हर दिन करता है, जो ग्राफिक्स के साथ काम करता है। इन कार्यों में, उनके पास व्यावहारिक रूप से कोई समान नहीं है, क्योंकि उनकी वास्तुकला को वर्षों से ऐसी समस्याओं को हल करने के लिए सम्मानित किया गया है।

इसमें तेजी से फूरियर रूपांतरण और इसके साथ जुड़े सभी शामिल हैं: विभिन्न तरीकों से जटिल अंतर समीकरणों को हल करना। अलग-अलग, हम एन-निकायों की गुरुत्वाकर्षण समस्याओं को अलग कर सकते हैंजो एयरो और हाइड्रोडायनामिक्स की गणना के लिए उपयोग किया जाता है, तरल पदार्थ और प्लाज्मा मॉडलिंग करते हैं। गणना की जटिलता इस तथ्य में निहित है कि प्रत्येक कण दूसरों के साथ बातचीत करता है, बातचीत के नियम काफी जटिल हैं, और गणना समानांतर में किए जाने की आवश्यकता है। ऐसे कार्यों के लिए, OpenCL और AMD GPU क्षमताएं पूरी तरह से अनुकूल हैं, जैसा कि कई वस्तुओं के साथ समानांतर कंप्यूटिंग और हर दिन इस प्रकार के प्रोसेसर पर सफलतापूर्वक हल किया गया: पिक्सेल शेड्स में ।

रेखांकन ग्राफिक्स में अक्सर संरचित ग्रिड का उपयोग किया जाता है। असंरचित - हाइड्रोडायनामिक्स के क्षेत्र में गणना में और तत्वों के साथ विभिन्न गणनाओं में जिनके ग्राफ में अलग-अलग वजन होते हैं। प्रत्येक तत्व के "पड़ोसी" की संख्या में संरचित झंझरी और असंरक्षित लोगों के बीच अंतर: संरचित झंझरी में समान अंतर होता है, असंरक्षित झंझरी में अलग-अलग होते हैं, लेकिन दोनों गणना की गति बढ़ाने के लिए ओपनसीएल की क्षमता के साथ पूरी तरह से फिट होते हैं। कम्प्यूटेशन को स्थानांतरित करने में कठिनाइयाँ मुख्य रूप से गणितीय हैं। यही है, प्रोग्रामर का मुख्य कार्य न केवल सिस्टम के काम को "लिखना" है, बल्कि एक गणितीय विवरण भी विकसित करना है जो ओपनसीएल का उपयोग करके हार्डवेयर क्षमताओं में डेटा स्थानांतरित करता है।

संयुक्त तर्क (हैश गणना भी यहाँ लागू होती है), मोंटे कार्लो के तरीके- यह अच्छी तरह से GPU के लिए रखी गई है। बहुत सारे कंप्यूटिंग मॉड्यूल, समानांतर कंप्यूटिंग में उच्च प्रदर्शन वास्तव में इन एल्गोरिदम को तेज करते हैं।

OpenCL और शक्तिशाली GPU के साथ और क्या त्वरित किया जा सकता है?

वापस रास्ता खोजें। ग्राफ की गणना और गतिशील प्रोग्रामिंग: छँटाई, टकराव का पता लगाने (संपर्क, चौराहे), नियमित संरचनाओं की पीढ़ी, विभिन्न चयन और खोज एल्गोरिदम। कुछ सीमाओं के साथ, लेकिन वे तंत्रिका नेटवर्क और संबंधित संरचनाओं के काम के अनुकूलन और त्वरण के लिए खुद को उधार देते हैं, लेकिन यहां, समस्याएं अधिक संभावना हैं कि तंत्रिका संरचनाएं वर्चुअलाइज करने के लिए केवल "महंगी" हैं, एफपीजीए समाधानों का उपयोग करना अधिक लाभदायक है। परिमित राज्य मशीनों का काम (जो पहले से ही GPU के साथ काम करने में उपयोग किया जाता है, उदाहरण के लिए, जब वीडियो संपीड़न / विघटन की बात आती है या दोहराव वाले तत्वों को खोजने का काम) उत्कृष्ट है।

OpenCL बनाम CUDA

OpenCL और CUDA के प्रदर्शन की सीधे तुलना करने से कोई मतलब नहीं है। सबसे पहले, अगर हम उनकी तुलना एएमडी और एनवीडिया वीडियो कार्ड से करते हैं, तो एएमडी वीडियो एडेप्टर कंप्यूटिंग क्षमताओं की किसी न किसी दौड़ में जीत जाएंगे: आधुनिक एनवीडिया एक्सेलेटर में एनवीडिया द्वारा पेश किए गए FP64 प्रारूप में कई प्रदर्शन सीमाएं हैं, ताकि इस "व्यावसायिक" वीडियो कार्ड को बेचने के लिए। कंप्यूटिंग (टेस्ला और टाइटन जेड श्रृंखला)। उनकी कीमत एएमडी समाधान और एनवीडिया नंबर लाइन में उनके "संबंधित" कार्ड के आधार पर उनके FLOPS समकक्षों की तुलना में अतुलनीय रूप से अधिक है, जो तुलनात्मक रूप से जटिल बनाता है। आप उत्पादकता-प्रति-वाट या उत्पादकता-प्रति-डॉलर को ध्यान में रख सकते हैं, लेकिन इसकी कंप्यूटिंग शक्ति की शुद्ध तुलना से लगभग कोई लेना-देना नहीं है: "किसी भी कीमत पर FLOPS" मौजूदा वित्तीय स्थिति के साथ कमजोर रूप से मेल खाते हैं,और उत्पादकता-प्रति-डॉलर के संदर्भ में, "पुरानी महिला" 7970 गीगाहर्ट्ज़ संस्करण (उर्फ आर 9 280 एक्स) अभी भी सबसे लाभदायक वीडियो कार्डों में से एक है।

दूसरे, आप OpenCL और CUDA की तुलना NVidia से वीडियो कार्ड पर करने का प्रयास कर सकते हैं, लेकिन NVidia ड्राइवर स्तर पर CUDA के माध्यम से OpenCL को लागू करता है, इसलिए स्पष्ट कारणों से तुलना कुछ हद तक बेईमानी होगी।

दूसरी ओर, यदि आप न केवल प्रदर्शन को ध्यान में रखते हैं, तो कुछ विश्लेषण अभी भी किया जा सकता है।

OpenCL NVidia CUDA की तुलना में हार्डवेयर की एक बहुत बड़ी सूची पर चलता है। लगभग सभी सीपीयू SSE 3 इंस्ट्रक्शन सेट का समर्थन करते हैं, Radeon HD5xxx और NVidia GT8600 से लेटेस्ट फ़्यूरी / फ्यूरी-एक्स और 980Ti / टाइटन X, AMD APU, इंटेल इंटीग्रेटेड ग्राफिक्स से वीडियो त्वरक - सामान्य रूप से, कई कोर के साथ लगभग कोई भी आधुनिक हार्डवेयर। इस तकनीक का लाभ उठाएं।

CUDA और OpenCL की कार्यान्वयन विशेषताएं (साथ ही जटिल प्रलेखन, क्योंकि समग्र प्रोग्रामिंग सबसे आसान विकास क्षेत्र से बहुत दूर है), बल्कि विशिष्ट विकास क्षमताओं और उपकरणों में परिलक्षित होती हैं, और उत्पादकता के क्षेत्र में नहीं।

उदाहरण के लिए, ओपनसीएल को "ओपनसीएल प्रलेखन यहाँ बहुत अस्पष्ट है" के कारण कुछ मेमोरी आवंटन समस्याएं हैं।

उसी समय, CUDA प्रवाह के तुल्यकालन के क्षेत्र में OpenCL से हीन है - डेटा, निर्देश, मेमोरी, कुछ भी। इसके अलावा, ओपनसीएल का उपयोग करते हुए, आप आउट-ऑफ-ऑर्डर कतार और निर्देशों का उपयोग कर सकते हैं, और CUDA अभी भी केवल ऑर्डर करने के तरीके जानता है। व्यवहार में, यह डेटा की प्रतीक्षा करते समय प्रोसेसर डाउनटाइम से बचा जाता है, और प्रभाव अधिक ध्यान देने योग्य होता है, जितना अधिक समय तक प्रोसेसर कवर होता है और मेमोरी की गति और कंप्यूटिंग मॉड्यूल की गति के बीच का अंतर अधिक होता है। संक्षेप में: OpenCL के तहत जितनी अधिक बिजली आप आवंटित करेंगे, उतना ही अधिक प्रदर्शन में अंतर होगा। तुलनीय परिणाम प्राप्त करने के लिए CUDA को और अधिक जटिल कोड लिखने की आवश्यकता होगी।

विकास उपकरण (डिबगर, प्रोफाइलर, कंपाइलर) CUDA OpenCL में समान लोगों की तुलना में कुछ हद तक बेहतर है, लेकिन CUDA C के माध्यम से API को लागू करता है, और C ++ के माध्यम से OpenCL, ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग के साथ काम को सरल करता है, जबकि दोनों फ्रेमवर्क "स्थानीय" के साथ प्रचुर मात्रा में हैं। »ट्रिक्स, प्रतिबंध और विशेषताएं।

इस मामले में एनवीडिया का दृष्टिकोण एप्पल के काम करने के तरीके के समान है। एक बंद समाधान, प्रतिबंध और सख्त नियमों के एक बड़े सेट के साथ, लेकिन एक विशिष्ट हार्डवेयर पर काम करने के लिए अच्छी तरह से तेज।

ओपनसीएल अधिक लचीले उपकरण और क्षमताएं प्रदान करता है, लेकिन इसके लिए डेवलपर्स से उच्च स्तर के प्रशिक्षण की आवश्यकता होती है। शुद्ध OpenCL पर सामान्य कोड का समर्थन करने वाले किसी भी हार्डवेयर पर चलना चाहिए, लेकिन एक ही समय में विशिष्ट समाधान (कहते हैं, एएमडी वीडियो त्वरक या सेल प्रोसेसर) के लिए "अनुकूलित" बहुत तेजी से काम करेगा।

रोजमर्रा के कामों में ओपनसीएल

GPGPU, OpenCL और थोड़ा सा इतिहास

रोज़मर्रा के उपयोग में ओपनसीएल

OpenCL और शक्तिशाली GPU के साथ और क्या त्वरित किया जा सकता है?

OpenCL बनाम CUDA

More articles: