the screen and further assembled to

the screen and further assembled to develop a complete image or a picture [1].The Gpu graphics pipeline
undergoes various steps like vertex operations, Primitive assembly, Rasterization, Fragment operations and
Composition [1].From this pipeline structure, Gpu have become further programmable. Purpose GPU is quite
suitable for computing intensive data parallel. In Jun. 2007 NVIDIA released CUDA and in Dec 2008,
Khronos Group released OpenCL1. In Aug. 2009, AMD launched ATI Stream SDK v2.0 Beta which
supported X86 processor. Open CL is an open standard for many processors [2]. Modern GPUs contain
hundreds of processing units, capable of achieving up to 1 TFLOPS for single-precision (SP) arithmetic, and
over 80 GFLOPS for double-precision (DP) calculations .Recent High Performance Computing (HPC)
optimized GPUs contain up to 4GB of on board memory and 100GB/sec [3].
Due to its parallel architecture and high performance of floating point and memory operations GPU is well
suited for many same scientific and engineering applications that occupy HPC clusters, leading to their
incorporation as HPC accelerator[3].So, they can reduce space, power, and cooling demands, and reduce the
number of operating system images that must be managed relative to traditional CPU-only clusters of similar
aggregate computational capability [3].GPU has its amazing computational capabilities and functionalities
that extends its applications to the field of non-graphics computations and such a type of GPU is known as General
Purpose GPU [4] Due to their cost performance and evolution speed they are becoming significant[4].

ผลลัพธ์ (ไทย) 1:

หน้าจอ และรวบรวมเพิ่มเติม เพื่อพัฒนารูปแบบสมบูรณ์หรือรูปภาพ [1]ไปป์ไลน์กราฟิก Gpuผ่านขั้นตอนต่าง ๆ เช่นจุดการดำเนินงาน การดำเนินงานของส่วนประกอบดั้งเดิม Rasterization และบทประพันธ์ [1]จากโครงสร้างนี้ประกอบไปป์ไลน์ Gpu ได้กลายเป็นเพิ่มเติมโปรแกรม วัตถุประสงค์ GPU ค่อนเหมาะสำหรับการประมวลผลข้อมูลแบบขนานแบบเร่งรัด มิย. 2550 NVIDIA CUDA ที่ออกใช้ ใน 2008 ธันวาคมกลุ่มโครโนสออก OpenCL1 ส.ค. 2552, AMD เปิดตัว SDK กระแส ATI v2.0 Beta ซึ่งสนับสนุนตัวประมวลผล x86 CL เปิดเป็นมาตรฐานเปิดสำหรับตัวประมวลผล [2] ประกอบด้วย GPUs ที่ทันสมัยร้อยของหน่วย ความสามารถในการบรรลุถึง 1 TFLOPS สำหรับเลขคณิตเดียวความแม่นยำ (SP) การประมวลผล และGFLOPS กว่า 80 สำหรับการคำนวณความ (DP)ล่าสุดประสิทธิภาพสูง (HPC) การใช้งานเพิ่มประสิทธิภาพ GPUs ประกอบด้วยถึง 4GB บนหน่วยความจำและ 100 GB/วินาที [3]สถาปัตยกรรมแบบขนานและประสิทธิภาพสูงของลอยจุดและหน่วยความจำของ GPU เป็นอย่างดีเหมาะสำหรับหลายเดียวกันวิทยาศาสตร์ และวิศวกรรมที่คลัสเตอร์ HPC นำไปสู่การครอบครองของพวกเขาจดทะเบียนเป็น HPC เร่ง [3]ดังนั้น พวกเขาสามารถลดพื้นที่ พลังงาน และความต้องการการระบายความร้อน และลดการจำนวนภาพระบบปฏิบัติการที่ต้องจัดการสัมพันธ์คลัสเตอร์ CPU เดียวเหมือนของดั้งเดิมรวมคำนวณความสามารถ [3]GPU มีความน่าทึ่งความสามารถในการคำนวณและฟังก์ชันการทำงานที่ขยายโปรแกรมประยุกต์ไปยังฟิลด์ของกราฟิกไม่ประมวลผล และเป็นที่รู้จักเช่นชนิดของ GPU เป็นทั่วไปวัตถุประสงค์ที่ GPU [4] เนื่องจากการต้นทุนประสิทธิภาพและความเร็ววิวัฒนาการพวกเขาจะกลายเป็นสำคัญ [4]

ผลลัพธ์ (ไทย) 2:

หน้าจอและประกอบเพิ่มเติมในการพัฒนาภาพที่สมบูรณ์หรือภาพ [1] ได้โดยง่าย Gpu ท่อกราฟิก
ผ่านขั้นตอนต่างๆเช่นการดำเนินงานจุดสุดยอดประกอบดั้งเดิม Rasterization การดำเนินงานส่วนและ
ส่วนประกอบ [1] เมื่อเทียบัโครงสร้างท่อนี้ได้กลายเป็น Gpu เพิ่มเติม โปรแกรม GPU วัตถุประสงค์ค่อนข้าง
เหมาะสำหรับการคำนวณข้อมูลที่เข้มข้นขนาน ในมิถุนายน 2007 NVIDIA CUDA และปล่อยออกมาในเดือนธันวาคมปี 2008
กลุ่ม Khronos การปล่อยตัว OpenCL1 ในสิงหาคม 2009 เอเอ็มดีเปิดตัว ATI กระแส SDK v2.0 Beta ซึ่ง
ได้รับการสนับสนุนหน่วยประมวลผล X86 เปิด CL เป็นมาตรฐานเปิดสำหรับการประมวลผลจำนวนมาก [2] โมเดิร์น GPUs มี
หลายร้อยหน่วยประมวลผลที่มีความสามารถในการบรรลุถึง 1 TFLOPS เพื่อความแม่นยำเดียว (SP) คณิตศาสตร์และ
กว่า 80 GFLOPS สำหรับความแม่นยำสอง (DP) คำนวณ .Recent High Performance Computing (HPC)
GPUs ที่ดีที่สุดมีความยาวได้ถึง 4GB ในหน่วยความจำของคณะกรรมการและ 100GB / วินาที [3].
เนื่องจากสถาปัตยกรรมแบบขนานและประสิทธิภาพการทำงานที่สูงของการลอยจุดและหน่วยความจำของ GPU การดำเนินงานเป็นอย่างดี
เหมาะสำหรับการใช้งานจำนวนมากเช่นเดียวกันทางวิทยาศาสตร์และวิศวกรรมที่ครอบครองกลุ่ม HPC นำไปสู่การของพวกเขา
รวมตัวกันเป็นตัวเร่ง HPC [ 3] ดังนั้นพวกเขาสามารถลดพื้นที่อำนาจและความต้องการระบายความร้อนและลด
จำนวนของภาพระบบปฏิบัติการที่ต้องมีการจัดการเมื่อเทียบกับกลุ่ม CPU อย่างเดียวแบบดั้งเดิมของที่คล้ายกัน
ความสามารถในการคำนวณรวม [3] .GPU มีความสามารถในการประมวลผลที่น่าตื่นตาตื่นใจ และฟังก์ชันการทำงาน
ที่ขยายการประยุกต์ใช้ด้านการคำนวณที่ไม่ใช่กราฟิกและเช่นประเภทของ GPU ที่เป็นที่รู้จักกันทั่วไป
GPU วัตถุประสงค์ [4] เนื่องจากประสิทธิภาพค่าใช้จ่ายของพวกเขาและวิวัฒนาการความเร็วที่พวกเขาจะกลายเป็นอย่างมีนัยสำคัญ [4]

ผลลัพธ์ (ไทย) 3:

หน้าจอและเพิ่มเติมประกอบเพื่อพัฒนาภาพที่สมบูรณ์ หรือภาพ [ 1 ] . GPU กราฟิกท่อ
ผ่านขั้นตอนต่างๆ เช่น การดำเนินการตามแบบดั้งเดิมประกอบ แร ตอไรเซชั่น , การทำให้องค์ประกอบและ
[ 1 ] . จากโครงสร้างท่อ , GPU ได้กลายมาเป็นอีกแบบ GPU วัตถุประสงค์ค่อนข้าง
เหมาะสำหรับคอมพิวเตอร์ข้อมูลเข้มแบบขนาน ในการจูนNVIDIA CUDA 2007 ออกและธ.ค. 2551
กลุ่มโครโนสออก opencl1 . 2009 สิงหาคม , AMD เปิดตัว ATI Stream SDK V2.0 เบต้าซึ่ง
สนับสนุน x86 หน่วยประมวลผล เปิด CL คือมาตรฐานเปิดสำหรับหลายหน่วยประมวลผล [ 2 ] ทันสมัยสุดประกอบด้วย
นับร้อยการประมวลผลหน่วยที่มีความสามารถในการบรรลุถึง 1 tflops สำหรับความเที่ยงหนึ่งเท่า ( SP ) เลขคณิตและ
กว่า 80 gflops สำหรับความเที่ยงสองเท่า ( DP ) การคำนวณคอมพิวเตอร์ประสิทธิภาพสูง ( HPC ) ล่าสุด
เหมาะสุดมีถึง 4GB ของหน่วยความจำบนบอร์ดและ 100gb / วินาที [ 3 ] .
เนื่องจากสถาปัตยกรรมแบบขนานสมรรถนะสูงของจุดลอยและหน่วยความจำที่มีการดำเนินการเป็นอย่างดี
เหมาะหลายเดียวกันทางวิทยาศาสตร์และวิศวกรรม โปรแกรมที่ใช้คลัสเตอร์ HPC , นำไปสู่การประสานของพวกเขา
เป็น ตัวเลขตัวเร่ง [ 3 ] ดังนั้น พวกเขาสามารถลดช่องว่างพลังงานและลดความต้องการ และลดจำนวนของงานภาพ
ระบบที่ต้องจัดการ เมื่อเทียบกับแบบดั้งเดิมของ CPU เพียงกลุ่มของความสามารถในการคำนวณรวมกัน
[ 3 ] . GPU มีการคำนวณความสามารถที่น่าตื่นตาตื่นใจและฟังก์ชันการใช้งานของ
ที่ขยายเขตปลอดกราฟิกและการประมวลผลเช่นประเภทของ GPU เป็นที่รู้จักกันทั่วไป
มี GPU [ 4 ] เนื่องจากประสิทธิภาพของค่าใช้จ่ายของพวกเขาและวิวัฒนาการเร็วพวกเขาจะกลายเป็นสำคัญ [ 4 ]