После успеха с запуском NVidia Nexus на двух машинах, я загорелся сделать это на одной.

Стандартные системные требования в этом случае простые: две G92/G200 видеокарты, к одной подключается монитор (мониторы, если их несколько), вторая настраивается как "ускоритель PhysX" (без подключенного монитора) и все должно работать.

У меня в рабочей машине - две видеокарты, но одна из них NVidia, а вторая - ATI и сделать так, как написано выше - невозможно, если отключить от NVidia-карты мониторы, то она пропадает из системы, запустить CUDA-программу даже локально (без Nexus) не выходит. Вынимать ATI (менять на NVidia) не хотелось, для третьей двухслотовой карты места в машине нет, покупать еще одну видеокарту хотелось еще меньше.

В прошлом году я прощелкал, а в этом - нет, успеваю анонсировать.

С 24 февраля по 12 мая, еженедельно, по вторникам, на ВМиК МГУ (Москва, Воробьевы горы, м. Университет) будет читаться второй уже курс программирования NVidia CUDA для всех желающих.

Процитирую из анонса:

Московский Государственный Университет им. М.В. Ломоносова совместно с компанией NVIDIA приглашает заинтересованных студентов пройти специализированный курс "Архитектура и программирование массивно-параллельных вычислительных систем" на основе технологии CUDA. В рамках курса вы узнаете о современных многоядерных архитектурах, моделях программирования и основополагающих принципах, лежащих в основе построения эффективных параллельных алгоритмов. Вы также познакомитесь с реализациями типичных алгоритмов и задач, возникающих в цифровой обработке сигналов, математическом моделировании и гидродинамике. По окончании курса вы сможете применить свои знания на практике уже сегодня при решении вычислительноемких задач в ваших курсовых и дипломных работах. Приобретенные знания необходимы для всех, кто планирует связать свое будущее с высокими технологиями и высокопроизводительными вычислениями. Всем студентам, успешно завершившим курс "Архитектура и программирование массивно-параллельных вычислительных систем" будут выданы дипломы.

Как ни печально, но поведение драйверов NVidia ничем не лучше драйверов ATI: чтобы CUDA/OpenCL работали, к какой-то видеокарте NVidia должен быть подключен какой-то из активных дисплеев.

Таким образом, идея потестировать NVidia Nexus на одной машине с двумя видеокартами, одна ATI и одна NVidia, полностью провалилась: если к Geforce не подключать монитор, то с точки зрения CUDA/NEXUS этой карты не существует. Вот если бы у меня было две карты NVidia, разговор был бы другой.

24 ноября стал публично доступен CUDA Toolkit 3.0 Beta.

Все ссылки на скачивание в теме форума NVidia, их много, не вижу смысла тут дублировать.

К сожалению, в документации обновился только Reference Manual (и он же теперь есть online), вся остальная документация несет на себе гордую надпись Version 2.3.

Для работы нужен драйвер 195-й серии (195.62 уже не бета, по меньшей мере для Windows, от клиентов можно требовать апгрейда).

Cписок новых фич, кратко (более полный список - в Release Notes):

Для тех, кому лень следить за gpgpu.org две тщательно отобранных ссылки, показавшихся мне интересными (остальные полтора десятка свежих материалов - не зацепили)

Вышла NVidia CUDA 2.1 (релиз). На официальном сайте пока нет, все ссылки для скачивания лежат в форуме по CUDA, обсуждать предлагается в отдельном треде, но обсуждение пока не очень интересное.

Вышла NVidia CUDA 2.1 BETA.

Из заметных изменений:

• Поддержка компиляции .PTX-кода на лету (драйвером)
• Поддержка TESLA на Висте
• Расширено взаимодействие с Direct3D
• Поддержан Microsoft Visual C++ 9 (VS2008)

Скачать можно откуда обычно: Get CUDA, для скачивания предлагаются драйвер и CUDA Toolkit, судя по всему SDK пока не обновлен.

продолжаем перевод свежих анонсов с GPGPU.ORG.

Mars: A MapReduce Framework on Graphics Processors - именно то самое, что написано: это готовая библиотека для Map/Sort/Reduce над данными. В-принципе, для быстрой проверки каких-то идей должно быть очень полезно. Совсем честно, оно вовсе не на произвольных Graphics Processors, а вовсе даже на CUDA. Раздается в исходных текстах.

Вышла CUDA.NET 2.0 - библиотека для использования CUDA в dotNET.

2-я версия основана на CUDA Toolkit/SDK версии 2.0, наиболее существенное изменение которого - поддержка двойной точности.

CUDA.NET работает под Windows (Native .NET), Linux (под Mono) и Mac OS X (вот не знаю, как там .NET работает, возможно тоже Mono). Лицензия свободная (royalty-free для индивидуальных пользователей и для коммерческих разработчиков).

Прислали интересную ссылку: GPU + Web: первые впечатления, с интересом почитал, чего и вам советую.

Во всем написанном меня серъезно огорчают несколько моментов:

• Проблемы с 5-секундным watchdog даже на коротких заданиях (которых много).
• Проблемы с параллелизмом (одновременный запуск из нескольких/многих threads).
• Рекомендованая техника обхода watchdog приводит к перерасходу CPU.

Все вместе называется нестабильностью, что обычно для недостаточно "взрослых" технологий

Более-менее понятно, что с обоими проблемами надо бороться аккуратной сериализацией: нужно исполнять не слишком большое количество заданий одновременно, следить за этим и все такое. Но это означает, во многих случаях, изменение архитектуры приложения (очереди, асинхронное исполнение и все такое), что затрудняет внедрение CUDA.