A combinação de CPU (Central Processing Unit) e GPU (Graphics
Processing Unit), em conjunto com RAM suficiente, oferece um
excelente ambiente de testes para aprendizagem profunda e IA.
Neste contexto de computação de alto desempenho (HPC, High-performance computing), desponta a programação paralela
empregando uma ampla classe de poderosos sistemas de
computação que variam de simples (por ex., 1 CPU + 8 GPUs) até
supercomputadores com multicores, multi GPU e multi Nós.
Considerando as diferenças básicas entre as arquiteturas de CPU
e GPU, analise os itens a seguir.
I. As arquiteturas a GPU e a CPU diferem de modo significativo
pois foram desenvolvidas e otimizadas para dois tipos
significativamente diferentes de aplicações, tendo baixa
similaridade na quantidade relativa de área da pastilha
(número de transistores) dedicada à cache, à lógica de
controle e à lógica de processamento.
II. As GPUs podem esconder a latência da memória ao
administrar a execução de mais threads do que os cores
processadores disponíveis, além de simplesmente serem
capazes de executar os mesmos threads de código em
grandes quantidades de dados.
III. O conhecimento das nuances de várias memórias de uma
GPU são importantes no desenvolvimento da programação
paralela, em especial quanto aos tempos de acesso relativos,
as limitações de acessibilidade e a quantidade de MMU
(Memory Management Unit).
Está correto o que se afirma em