Der Tegra-4-Nachfolger nutzt eine Kepler-GPU und bringt CUDA auf Handys und Tablets. Tegra 6 bietet 64-bittige ARM-Kerne und soll um den Faktor 100 schneller sein als Tegra 2.
Mit dem von Continuum Analytics vorgestellten NumbaPro sollen auch Python-Entwickler das parallele Programmiermodell von CUDA nutzen können. Nvidia sieht die neue Unterstützung als Erfolg ihrer CUDA-LLVM-Initiative.
Die italienische Firma E4 Computer Engineering kündigt zwei "Microcluster" mit acht oder zwölf Knoten und acht bis 24 Nvidia-Quadro-Grafikprozessoren an; dank ARM-SoCs sollen sie besonders effizient rechnen.
Die finale Version 5.0 der CUDA-Schnittstelle unterstützt unter anderem Dynamic Parallelism und GPU Library Object Linking. Einige Funktionen laufen nur auf den GK110-GPUs der Tesla-K20-Rechenkarten.
Mit dem quelloffenen Rootbeer GPU Compiler sollen sich Java-Programme auf Grafikprozessoren ausführen lassen.
Apples neue 15-Zoll-Laptops sollen sich besonders gut für die Entwicklung mit Nvidias paralleler Rechenarchitektur CUDA eignen. Insbesondere dann, wenn die Anwendungen unter Linux ausgeführt würden.
Einen tiefen Einblick ins Innenleben des GK110-Chips gaben zwei Nvidia-Mitarbeiter auf der GPU Technology Conference. Die GPU ist speziell fürs Supercomputing optimiert.
Auf der Rechenkarte Tesla K10 sitzen gleich zwei GK104-Grafikchips. Sie bieten eine hohe Single-Precision-Leistung und greifen auf insgesamt 8 GByte Speicher zu.
Nvidia stellt eine Eclipse-Edition der CUDA-Entwicklersuite Nsight für Linux und Mac OS vor.
Nvidia will auf der GPU Technology Conference Mitte Mai offenbar die Schnittstelle CUDA 5.0 und die neue Kepler-GPGPU-Architektur präsentieren.
Von dem auf der quelloffenen Low Level Virtual Machine aufbauenden Compiler verspricht sich der Hersteller von Grafikprozessoren und Chipsätzen ein etwa 10 Prozent schnelleres Anwendungsverhalten.
Die Developer Snapshots in dieser Woche unter anderem mit Apache Camel, CUDA, Spring Roo, Samsungs Smart TV SDK, einem Ausblick auf Galera 2.0 für InnoDB, einem Crawler für AJAX-Apps und Infos zum PHP Manual.
NVIDIA hat den Quellcode seines CUDA-Compilers veröffentlicht. Er ist Teil der aktuellen Version des CUDA-Toolkits und soll das System für weitere Plattformen wie AMD und Intel interessant machen.
Die Developer Snapshots in dieser Woche unter anderem mit PHP 5.4, VirtualBox, NetBeans und einer Python-Konferenz.
Unter den Neuerungen der Version 4 von Nvidias Compute Unified Device Architecture finden sich die Unterstützung von GPU Direct 2.0, Unified Virtual Adressing und der C++-Template-Bibliothek Thrust.
Die Compute Unified Device Architecture bringt in der vierten Version zum Teil erheblich höhere Performance bei Datentransfers, ein weit einfacheres Programmiermodell dank Uniform Virtual Memory und mehr Debug-Möglichkeiten.
Nvidia veröffentlicht eine neue, um neue mathematische Bibliotheken erweiterte Version des Entwicklerpakets zum Schreiben von CUDA-Programmen. Im Zentrum der Neuerungen standen Performanceüberarbeitungen.
Das Parallel Computing Toolkit von Matlab und Ansys Mechanical laufen mit Hilfe von CUDA-GPUs deutlich flinker. Und 3ds-max-Entwickler freuen sich über einen GPGPU-Raytracer.
CUDA-Programme sollen zukünftig auch auf Hauptprozessoren laufen. Dafür sorgt ein kostenpflichtiger Compiler von PGI.
Die im Juli erstmals vorgestellte Entwickler-Suite Parallel Nsight unterstützt nun auch Microsofts aktuellste Ausgabe der Entwicklungsumgebung.
Unter dem Namen Parallel Nsight schnürt Nvidia die für Windows, Linux und MacOS in den CUDA-Toolkits zumeist schon vorhandenen GPU-Entwickler-Tools für den Einsatz unter Windows zu einem Paket zusammen, sodass man nun bequem aus Microsofts Visual Studio heraus debuggen, inspizieren, profilieren und auch analysieren kann.
Das neue Toolkit soll die Möglichkeiten der Fermi-Architektur weit besser ausreizen und Anwendungsgebiete wie Microsoft Excel erschließen.
Noch vor dem Erscheinen der ersten Grafikkarten mit Fermi-Chips hebt Nvidia die Entwicklungsumgebung CUDA auf Version 3.0 an.
Fixstars bietet jetzt eine für das GPU-Computing mit Nvidia-Karten optimierte Version von Yellow Dog Linux mit CUDA-Unterstützung an.
Die geringen Zugriffszeiten von schnellen, modernen Flash-Speichern ermöglichen das Auslagern größerer Rainbow-Tables auf den Massenspeicher.
Die PGI-2010-Produktlinie setzt das Accelerator-Programmiermodell für Prozessor-Architekturen auf CUDA-Basis um und enthält PGIs CUDA Fortran Compiler.
Harvard-Professor Hanspeter Pfister wies in seiner Keynote im Rahmen der GPU Technology Conference auf die wachsende Bedeutung von Grafikchips im Forschungsbereich hin.
Das Ergebnis der im Juni 2009 zustande gekommenen Kooperation ist der jetzt in einer öffentlichen Beta vorgestellte PGI CUDA Fortran Compiler.
Der Anbieter von Grafikprozessoren und Chipsätzen Nvidia hat seine mit der OpenCL-1.0-Spezifikation konform gehenden Treiber veröffentlicht; dazu koommt ein Profiling-Werkzeug für die Beschleunigung der OpenCL-Treiber.
Mitte September richtet Nvidia gemeinsam mit der Entwickler-Community TopCoder einen Programmierwettbewerb aus. Die Programme müssen dabei für die Ausführung auf GeForce-Grafikchips zugeschnitten sein.
heise online Themen