NVIDIA CUDA 1.1: Neuer C-Compiler für GPU-Programmierung

(Auszug aus der Pressemitteilung)

Reno, Nevada, 16. November 2007 – Auf der SuperComputing 2007 vom 10. bis 16. November in Reno, Nevada, präsentiert NVIDIA eine neue Version seines C-Compilers für die GPU-Programmierung. CUDA 1.1 unterstützt ab sofort 64-Bit-Windows-XP und ist als kostenloser Download erhältlich.

Mit dem neuen CUDA-Release 1.1 enthalten NVIDIAs Standard-Display-Treiber nun auch einen speziellen CUDA-Treiber. Damit entfällt die Installation spezifischer Software, so dass Entwickler CUDA-fähige Anwendungen problemlos in verschiedenen Märkten einsetzen können. Darüber hinaus enthält Version 1.1 des Software-Entwicklungs-Kit neue Source Codes, mit denen Anwender CUDA-Berechnungen auf mehreren GPUs durchführen können. CUDA 1.1 für Windows ist ab sofort als kostenloser Download erhältlich unter www.nvidia.de/cuda, CUDA 1.1 für Linux ist ab dem 19. November erhältlich.

Darüber hinaus stellt NVIDIA auf der SuperComputing 2007 einen neuen CUDA-Debugger vor, der auf einem Standard-GDB-Interface basiert. Der Debugger erlaubt das Einsetzen von Break Points und das Einsetzen/Überprüfen von Variablen direkt über den Grafikprozessor, und das alles in der C-Sprache. NVIDIAs Debugger unterstützt zudem ein grafisches Standard-DDD-Interface. Debugger von Drittanbietern lassen sich nahtlos über CUDA legen.

CUDA wird bereits von 20 Universitäten weltweit zur parallelen Programmierung eingesetzt, darunter auch die University of Illinois in Urbana-Champaign: „Unsere Skalierungs-Effizienz über mehrere GPUs ist nahezu perfekt – vier GPUs bringen uns genau die vierfache Performance für unsere Kalkulationen“, sagt John Stone, Senior Research Programmer an der University of Illinois. „Eine einzige GPU bietet 290 GFlops, mit vier GPUs lässt sich die Performance auf 1,156 TFlops erweitern, eine Skalierungs-Effizienz von 99,7 Prozent.“

Weitere Universitäten, die auf NVIDIAs CUDA setzen: University of California, Davis; Stanford University; University of Pennsylvania; University of California, Berkeley; University North Carolina at Chapel Hill; Purdue University; John Hopkins University; University of California, San Diego; India Institute of Technology, Delhi.

Nähere Informationen zu NVIDIA CUDA gibt es unter www.nvidia.de/cuda.