#5#3 Yo tengo entendído que sí que va por ahi
Por lo poco que se da en la uni al respecto, las GPU's están especializadas en hacer cálculos masivamente paralelos y con pocas bifurcaciones (saltos condicionales). En algun comentario de no se donde ¿slashdot quizas? también comentaban que las GPU's vienen acompañadas de mucha RAM de acceso bastante más rápido que la memoria principial, pero traer y llevar datos de la RAM de sistema a la de vídeo también significar una penalización importante, por lo que los datos necesarios para las tareas que calcules en la GPU han de caber en la RAM de video. Esto sirve para trabajos concretos, como por ejemplo los algoritmos de renderizado en 3D. ¡Anda! ¡Justo para lo que están fabricadas!
Conclusión: nada nuevo bajo el sol. Una CPU de propósito general sigue siendo más rapida para tareas 'normalitas', por ejemplo correr el sistema operativo. Una GPU es más rapida para renderizar en 3D y operaciones similares.
#9#5 No todo es la universidad ... de hecho la universidad es un sitio donde el alumno obtiene "saber preprocesado" y dada la velocidad de avance de la tecnología, carreras como informática, incluso en los planes de estudios más modernos suelen estar desfasados bastante rápido.
Las tecnologías GPGPU, como CUDA y OpenCL, permiten la computación de propósito general en entornos de GPU, de hecho OpenCL permite la bifurcación del proceso entre CPU y GPU en función del propósito a desempeñar.
Sobra decir que el uso de una GPU desde luego no es hacer un "hello world", pero sin duda la aplicación de la tecnología GPGPU es interesante en muchísimos campos donde hace falta capacidad de computación paralela y donde desde luego mejora muchísimo a las CPU, tanto en coste como en rendimiento.
Por citar algunos ejemplos interesantes:
- Gnort ( una evolución del IDS snort aplicando GPU )
- Optimización de operaciones en PostgreSQL usando CUDA
- EWSA, cracking de WPA/WPA2 usando GPU.
#42#38 Mi argumento, que por cierto, no sé muy bien de donde estimas que soy un muchacho, y no una muchacha o un perro con lunares, exclusivamente hace referencia a una apreciación del comentario #5, en la cual un alumno de una universidad comenta sobre su saber universitario entorno tecnología GPGPU. Y simplemente le matizo que el uso de la GPU tiene aplicaciones más allá del puro "procesamiento gráfico 3D" y que poco a poco aparecen tecnologías como openCL que permiten la integración de GPU/CPU, algo que a poco que estudiase "tecnología de computadores" hace 2 años, es posible que ni haya visto.
Por último, tu sarcasmo, no sé muy bien a cuento de qué, parece que intenta hacer por natural un hecho que a mi personalmente me parece nefasto: el docente español de una asignatura donde se ve tecnología aplicada, prefiere, en un número elevado de casos, reelaborar el temario cada 5 años, que actualizarlo y completarlo año a año, transmitiendo a su alumnado avances y mejoras, y descartando tecnologías obsoletas ( nunca, desde luego, principios básicos y fundamentales ).
Por ello una carrera debe tener, sin duda, un nucleo teórico sobre el que descansen los conceptos aplicados, pero desde luego, a mi nunca me parecerá de recibo que asignaturas aplicadas, como puedan ser redes, sistemas operativos, tecnología de computadores o ingeniería del software, por citar algunas, hayan seguido impartiendo cosas tan interesantes como "la norma v.34", "la arquitectura de un sistema operativo en modo real: msdos", "el ensamblador del 8086" o "métrica 2", hasta que Bolonia les ha obligado a cambiar planes y temarios.
Espero que al menos, tras este cambio, realmente cambie el espíritu de la universidad y sobre todo el grueso del profesorado universitario entienda la importancia del trabajo diario ( el mismo que van a exigir a sus alumnos ) y que dejen de una vez por todas de justificar que fuera de los principios teóricos tiene cabida mantener un temario sin actualizar durante 4, 5 o incluso 10 años.
#47#42 Pues bueno, si alguien de nick llamamepanete , que al menos de momento soy capaz de diseccionarlo y separarlo en "Llámame Panete",y me dicen que es mujer, o un perro con lunares que escribe en Internet, desde luego me sorprendería, no se a ti, y si eres lo segundo, me interesa conocerte más, creo que serías una rareza
Luego, sé perfectamente a que te referías con lo de responderle a #5, por eso te he contestado citándote, y como tengo una opinión diferente, pues la he expuesto, a demás de que sigo opinando igual. Y el sarcasmo venía por lo de que las universidades "se supone" que son el conocimiento, si no aprendes allí...
Por lo poco que se da en la uni al respecto, las GPU's están especializadas en hacer cálculos masivamente paralelos y con pocas bifurcaciones (saltos condicionales). En algun comentario de no se donde ¿slashdot quizas? también comentaban que las GPU's vienen acompañadas de mucha RAM de acceso bastante más rápido que la memoria principial, pero traer y llevar datos de la RAM de sistema a la de vídeo también significar una penalización importante, por lo que los datos necesarios para las tareas que calcules en la GPU han de caber en la RAM de video. Esto sirve para trabajos concretos, como por ejemplo los algoritmos de renderizado en 3D. ¡Anda! ¡Justo para lo que están fabricadas!
Conclusión: nada nuevo bajo el sol. Una CPU de propósito general sigue siendo más rapida para tareas 'normalitas', por ejemplo correr el sistema operativo. Una GPU es más rapida para renderizar en 3D y operaciones similares.