Los puntos clave no están disponibles para este artículo en este momento.
A medida que el hardware de GPU se vuelve cada vez más de propósito general, rápidamente está superando el modelo de programación tradicional y restringido de GPU como coprocesador. Este artículo aboga por extender los servicios y abstracciones del sistema operativo estándar a las GPU para facilitar el desarrollo de programas y permitir una integración armoniosa de las GPU en los sistemas de computación. Como ejemplo, describimos el diseño e implementación de GPUFs, una capa de software que brinda soporte del sistema operativo para acceder a archivos host directamente desde programas de GPU. GPUFs proporciona una API similar a POSIX, explota el paralelismo de la GPU para mayor eficiencia y optimiza el acceso a archivos de la GPU al extender la caché de búfer de la CPU host a la memoria de la GPU. Nuestros experimentos, basados en un conjunto de benchmarks reales adaptados para usar nuestro sistema de archivos, demuestran la viabilidad y los beneficios del enfoque de GPUFs. Por ejemplo, un programa de GPU autónomo que busca un conjunto de cadenas en todo el árbol fuente del núcleo de Linux se ejecuta más de siete veces más rápido que en una CPU de ocho núcleos.
Silberstein et al. (Sat,) estudiaron esta cuestión.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: