Técnicas de Otimização de Código para Placas de ... - UFMG

pode realizar outras tarefas, não necessariamente relacionadas
à renderização de imagens em uma tela. Chegamos aqui às
GPUs, do inglês graphics processing units, ou unidades de processamento
gráficos.
As tarefas de processamento gráfico foram migrando, pouco
a pouco, da CPU em direção à placa gráfica, que acabou tornando-se
um hardware de propósito geral. O curioso desta estória
é que, em nossa incessante busca por desempenho, tenhamos
adicionado novos módulos, especializados e não programáveis,
às GPUs. Os mais recentes modelos, por exemplo, possuem
funções de rasterização implementadas em hardware, como era
o caso das antigas CPUs. Aparentemente a roda da reencarnação
deu uma volta e meia na história das placas gráficas.
Arquiteturas Heterogêneas. O conjunto CPU-GPU forma uma
arquitetura de computadores heterogênea bem diferente do modelo
CPU-VGA tão comum no passado. A figura 1.1 compara
estas duas arquiteturas. Enquanto o vetor de processamento
gráfico não possui qualquer componente programável, a GPU
é um processador de propósito geral. De fato, temos dois processadores
que trabalham juntos, ainda que em essência eles
sejam substancialmente diferentes. Arquiteturas heterogêneas
não são um modismo novo em ciência da computação. Vários
computadores massiçamente paralelos utilizam aceleradores
para determinados tipos de tarefa. Entretanto, tais computadores
são muito caros e portanto, bem menos acessíveis que
as nossas GPUs.
A GPU possui mais unidades de processamento que a CPU
– muito mais, na verdade. Porém, os processadores presentes
na GPU são mais simples e geralmente mais lentos que os processadores
das CPUs. Outra diferença entre estes dois mundos
se dá em termos de entrada e saída de dados. As GPUs
possuem mecanismos de comunicação muito simples. Normalmente
elas se comunicam somente com a CPU, via áreas de
memória pré-definidas. Desta forma, aplicações muito iterativas,
tais como editores de texto, não se beneficiariam muito do
poder de processamento das GPUs. Por outro lado, aplicações
em que exista muito paralelismo de dados brilham neste ambiente.
Seria possível pensar que a GPU é um processador
4