v6.185.7502 安卓最新版
v2.345.686.130222 PC版
v7.186.5501 IOS版
v3.230.4537.509600 IOS版
v6.744 安卓版
v1.871.2407.455095 安卓版
v2.916.8456.550533 安卓免費版
v8.996.5076.109751 安卓版
v8.980.3538.878265 安卓版
v6.167 安卓漢化版
v7.688.2897.92756 安卓免費版
v9.535.2108.773072 IOS版
v8.613 安卓版
v5.256.8143.654770 安卓最新版
v9.430.3044.584353 安卓免費版
v6.604.9132 安卓漢化版
v4.768.3942 安卓最新版
v5.327.5993.121997 最新版
v1.388.1247 安卓最新版
v7.731.9740 安卓版
v7.110.8921 PC版
v5.275.2715 安卓免費版
v2.169 安卓版
v8.182.8862.246657 安卓最新版
v7.33.9270.672474 最新版
v7.602.7195 PC版
v3.409.4158 PC版
v7.379.1379 最新版
v9.415.5054.152077 PC版
v4.954 安卓免費版
v1.328.6166 安卓漢化版
v9.679 最新版
v4.518.5994.954705 安卓最新版
v1.280.3617.220362 安卓版
v1.243.4883 PC版
v8.321.9862.193568 安卓版
v6.189.1419.579545 安卓最新版
v8.643.9090 安卓版
v1.661.765 PC版
v5.937.1690 安卓漢化版
v1.59 安卓最新版
v3.679 安卓版
v5.816.901.797566 PC版
v8.354.1510 安卓最新版
v6.577.1618.897092 PC版
v9.276 安卓漢化版
v8.649 IOS版
v6.693 最新版
v8.878.984.686607 PC版
v3.586 最新版
v5.425.3881.444342 安卓免費版
v4.510.5380 安卓漢化版
v3.915.5398.86466 PC版
v2.188 IOS版
v8.281 安卓漢化版
v2.934.3551.672227 安卓最新版
v7.544.2681.748671 最新版
v3.728.6227.588095 IOS版
v6.299.7294.676029 PC版
v3.745.2918 IOS版
v9.316 安卓最新版
v5.521.9277.950018 IOS版
v4.15 安卓免費版
v6.926.6308 安卓免費版
v1.95.6410 安卓版
v6.260.1448.39306 安卓免費版
v2.251.3571.384955 安卓漢化版
v9.645.182 PC版
v6.16.6262.44870 最新版
v1.418.1825.200670 PC版
v3.986.8708.831602 最新版
v9.475.3073 安卓版
v5.920.9372.898723 安卓免費版
v4.897.2196 安卓漢化版
v3.890 PC版
v2.666.4345.653876 IOS版
v2.846.8845.317516 最新版
v5.763.4078.235497 安卓版
v7.150.2652 安卓最新版
v4.806.4338.37506 安卓免費版
涩涩小骚逼
梦晨 发自 凹非寺量子位 | 公众号 QbitAI
GPU编程变天了。
英伟达宣布最新版CUDA 13.1,官方直接定性:这是自2006年降生以来最大的前进。
焦点转变是推出全新的CUDA Tile编程模子,闪开发者可以用Python写GPU内核,15行代码就能抵达200行CUDA C++代码的性能。
新闻一出,芯片界传奇人物Jim Keller连忙发问:
英伟达是不是亲手终结了CUDA的“护城河”?若是英伟达也转向Tile模子,AI内核将更容易移植到其他硬件上。
Jim Keller加入设计过AMD Zen架构、苹果A系列芯片、特斯拉自动驾驶芯片的”硅仙人”,他的判断在行业里相当有分量。
那么问题来了:CUDA这次究竟改了什么?为什么会被以为是”自毁长城”?
GPU编程范式从“线程”到“瓦片”
要明确这次更新的意义,得先回首一下古板CUDA编程有多折磨人。
已往20年,CUDA一直接纳SIMT(单指令多线程)模子,开发者写代码时,需要手动治理线程索引、线程块、共享内存结构、线程同步,每一个细节都要自己操心。
想要充分使用GPU性能,特殊是用上Tensor Core这类专用?,更是需要深挚的履历积累。
CUDA Tile彻底改变了这套玩法:
开发者不再需要逐线程地编写执行路径,而是把数据组织成Tile(瓦片),然后界说在这些Tile上执行什么运算。至于怎么把这些运算映射到GPU的线程、Warp和Tensor Core上,编译器和运行时会自动搞定。
就似乎NumPy之于Python。
英伟达为此构建了两个焦点组件:
CUDA Tile IR是一套全新的虚拟指令集,它在高级语言和硬件之间加了一层笼统,确;赥ile编写的代码能在差别代际的GPU上运行,从目今的Blackwell到未来的架构都能兼容。
cuTile Python则是面向开发者的接口,直接用Python写GPU内核,门槛一下子从“HPC专家“降到了”会写Python的数据科学家都可以干。
另外,这次更新还带来了一系列面向Blackwell的性能优化:
cuBLAS引入了FP64和FP32精度在Tensor Core上的仿真功效新增的Grouped GEMM API在MoE(混淆专家模子)场景下能实现高达4倍加速cuSOLVER的批处置惩罚特征剖析在Blackwell RTX PRO 6000上相比L40S实现了约2倍的性能提升开发者工具Nsight Compute新增了对CUDA Tile内核的性能剖析支持,可以把性能指标直接映射回cuTile Python源代码。
现在CUDA Tile仅支持Blackwell架构(盘算能力10.x和12.x),开发重点集中在AI算法上。英伟达体现未来会扩展到更多架构,并推出C++实现。
硅仙人的质疑:降低门槛是一把双刃剑
那么Jim Keller为什么说英伟达可能”终结了自己的护城河”?
要害就在于Tile编程模子不是英伟达独吞的。AMD、Intel以及其他AI芯片厂商的硬件,在底层架构上同样可以支持基于Tile的编程笼统。
已往CUDA难以移植,很洪流平上是由于SIMT模子与英伟达硬件深度绑定,开发者要针对详细的GPU架构手写优化代码。这些代码换到别家硬件上,要么跑不了,要么性能大打折扣。
但Tile模子自然具有更高的笼统条理。当开发者习惯了“只管界说Tile运算,硬件细节交给编译器”这种头脑方法后,理论上统一套算法逻辑更容易适配到其他支持Tile编程的硬件上。
正如Jim Keller所说:”AI内核将更容易移植。”
不过英伟达也思量了后手,CUDA Tile IR提供了跨代兼容性,但这种兼容性是建设在CUDA平台之上的。
开发者写的代码确实更容易移植了,但移植的目的是英伟达自家的差别代GPU,而非竞争敌手的硬件。
从这个角度看,CUDA代码可以从Blackwell无缝迁徙到下一代英伟达GPU,但要迁徙到AMD或Intel的平台上,依然需要重写。
不管护城河是加深照旧削弱,有一点是确定的:GPU编程的门槛确着实大幅降低。
已往能熟练驾驭CUDA的开发者是稀缺资源,会写Python的人一抓一大把,但能把代码优化到跑满Tensor Core的专家寥若晨星。
CUDA Tile和cuTile Python买通了这个瓶颈。英伟达在开发者博客中提到,一个15行的Python内核性能可以媲美200行手动优化的CUDA C++代码。
大宗数据科学家和AI研究者以后可以直接上手写高性能GPU代码,不必再等HPC专家来资助优化。
参考链接:[1]https://developer.nvidia.com/blog/focus-on-your-algorithm-nvidia-cuda-tile-handles-the-hardware[2]https://x.com/jimkxa/status/1997732089480024498
相关版本
多平台下载
审查所有0条谈论>网友谈论
入室强奸在線播放无碼
恋老japanese海鸣馆老头
9路1官方版
鲁鲁av
suv精产品一二三区秘
在线免费观看欧美视频
永久福利综合国产第一页
欧美一级A片BBBBAAA
一区二区三区黄色
精性岳腚淫骚乳
冲哥宝藏
99欧美精品
国产国语操逼片
免费在线观看黄片(国产精品
亚洲色欧州图综合另类
24小时永久免费观看一级毛片
AA日韩免费精品视频一
美国人操逼视频
久久九九有精品国产13
国产老年人免费黄色录像
九色AV网老熟女
欧美丰满少妇XXXX性
性色AV网站免费
久久精品36亚色熟妇
hsck精品仓库免破解版
400级毛片
wwwavcan
欧美a片小视屏
制服丝袜熟女一区二区
欧美黄色小视频在线观看