．英偉達 CUDA 在深度學習中扮演著什麼角色

What Are CUDA Cores?

http://www.arcran.com/tw/

来源：Ai芯天下

運算正在從CPU中央處理，向CPU與GPU協同處理的方向發展。為了實現這一新型運算模式，英偉達發明了英偉達CUDA並行運算架構。

該架構現在正運用於英偉達（NVIDIA）Tesla、英偉達Quadro（NVIDIA Quadro）以及英偉達精視（NVIDIA GeForce）GPU上。對應用程序開發商來說，英偉達 CUDA架構擁有龐大的用戶群。

各領域CUDA扮演的角色

在科學研究領域，英偉達 CUDA 受到狂熱追捧。例如，英偉達 CUDA 能夠加快AMBER，這款分子動力學模擬程序的速度。全球有6萬餘名學術界和製藥公司的科研人員，使用該程序來加速新藥開發。

在金融市場，Numerix和CompatibL已宣佈，在一款對手風險應用程序中，支持英偉達 CUDA ，而且因此實現了18倍速度提升。

在GPU運算領域中，英偉達 Tesla GPU的大幅成長，說明了英偉達 CUDA 正被人們廣泛採用。目前，全球《財富》五百強企業已經安裝了700多個GPU集群，從能源領域中的斯倫貝謝，和雪佛龍到銀行業中的法國巴黎銀行，這些企業的範圍十分廣泛。

在消費級市場上，幾乎每一款重要的消費級影像應用程序，都已經使用CUDA加速，其中不乏Elemental－Technologies公司、MotionDSP公司以及LoiLo公司的產品。

在科研界，CUDA一直受到熱捧。例如，CUDA現已能夠對AMBER進行加速。AMBER是一款分子動力學模擬程序，全世界在學術界與製藥企業中有超過60,000名研究人員，使用該程序來加速新藥的探索工作。

CUDA是一個新的基礎架構，這個架構可以使用GPU，來解決商業、工業以及科學方面的複雜運算問題。它是一個完整的GPGPU解決方案，提供了硬體的直接訪問介面，而不必像傳統方式一樣，必須依賴圖形API介面，來實現GPU的訪問。

在架構上採用了一種，全新的運算體系結構，來使用GPU提供的硬體資源，從而給大規模的數據運算應用，提供了一種比CPU更加強大的計算能力。

CUDA採用C語言，作為編程語言，提供大量的高性能運算指令開發能力，使開發者能夠在GPU的強大運算能力的基礎上，建立起一種效率更高的密集數據運算解決方案。

發展現況

支持CUDA的GPU銷量已逾1億，數以千計的軟體開發人員，正在使用免費的CUDA軟體開發工具，來解決各種專業，以及家用應用程序中的問題。這些應用程序，從視訊與音訊處理和物理效果，模擬到石油天然氣勘探、產品設計、醫學成像，以及科學研究，涵蓋了各個領域。

CUDA 的核心有三個重要抽象概念：線程組層次結構、共享儲存器、屏蔽同步，可輕鬆將其作為C語言的最小擴展級，公開給程序員。

CUDA 軟體堆棧由幾層組成，一個硬體驅動程序，一個應用程序編程介面（API）和它的Runtime，還有二個高級的通用數學庫，CUFFT 和CUBLAS。硬體被設計成，支援輕量級的驅動和Runtime 層面，因而提高性能。

所支持的OS（operating system）

CUDA目前支持linux和Windows操作系統。進行CUDA開發，需要依次安裝驅動、Toolkit、SDK三個軟體。在安裝目錄/C/src目錄下<有很多的例程可以進行學習。

NVIDIA進軍高性能計算領域，推出了Tesla＆CUDA高性能運算系列解決方案，CUDA技術，一種基於NVIDIA圖形處理器（GPU）上，全新的並行運算體系架構，讓科學家、工程師和其他專業技術人員，能夠解決以前無法解決的問題，作為一個專用高性能GPU運算解決方案，NVIDIA把超級運算，能夠帶給任何工作站或伺服器，以及標準、基於CPU的伺服器集群。

CUDA是用於GPU運算的開發環境，它是一個全新的軟硬體架構，可以將GPU視為一個，並行數據計算的設備，對所進行的運算進行分配和管理。

在CUDA的架構中，這些運算不再像過去，所謂的 GPU架構那樣，必須將運算映射到圖形API（OpenGL和Direct 3D）中，因此對於開發者來說，CUDA的開發門檻大大降低了。

CUDA的GPU編程語言，是基於標準的C語言，因此任何有C語言基礎的用戶，都很容易地開發CUDA的應用程序。

由於GPU的特點，是處理密集型數據和並行數據運算，因此CUDA非常適合需要大規模並行運算的領域。目前CUDA除了可以用C語言開發，也已經提供FORTRAN的應用介面，未來可以預計CUDA會支持C＋＋、Java、Python等各類語言。

可廣泛的應用在圖形動畫、科學計算、地質、生物、物理模擬等領域。2008年NVIDIA推出CUDA SDK2.0版本，大幅提升了CUDA的使用範圍。使得CUDA技術愈發成熟。