Aplicações GPGPU ideais têm grandes conjuntos de dados, alto paralelismo e dependência mínima entre elementos de dados.
Acrônimo de Compute Unified Device Architecture, o CUDA é uma engine de computação desenvolvida pela Nvidia para permitir que programadores utilizem todo o poder de processamento de suas placas de vídeo (GPUs) em algoritmos otimizados para utilizar recursos de computação paralela. Suportando várias linguagens de programação, como C, C++, Java, Fortran e Python, essa tecnologia não obriga o programador a aprender uma nova linguagem para criar seus programas, já que oferece uma camada de "tradução" entre a que ele já sabe (como Java, por exemplo) e faz o código uilizar os recursos da placa de vídeo através do uso de bibliotecas de linguagem.
Muitos podem se perguntar o motivo de programadores se darem o trabalho de otimizar seus algoritmos para utilizar computação paralela, já que o poder dos processadores atuais chegaram em um nível tão alto que é difícil imaginar algo que eles não consigam lidar. Algumas aplicações, como processamento de vídeo, análises sísmicas, simulações de dinâmica dos fluidos e previsão do tempo, possuem uma quantidade tão absurda de dados para serem processados que somente através desse recurso é possível conseguir o resultado desejado em um tempo hábil.
Esses cálculos normalmente são simples e repetitivos, ideal para as placas de vídeo, visto que essas possuem uma quantidade muito maior de processadores ("apenas" 1536 em uma Nvidia GTX 680 contra 8 de um AMDBulldozer FX-8150) e memórias muito mais velozes (atualmente os melhores modelos vem com chips GDDR5, versus DDR3).
Matéria completa: http://corporate.canaltech.com.br/o-que-e/placa-de-video/O-que-e-a-CUDA/#ixzz3V125UtE4
O conteúdo do Canaltech é protegido sob a licença Creative Commons (CC BY-NC-ND). Você pode reproduzi-lo, desde que insira créditos COM O LINK para o conteúdo original e não faça uso comercial de nossa produção.