Reduciendo el coste económico de las prácticas de CUDA manteniendo la calidad del aprendizaje
Visualitza/Obre
Estadístiques de LA Referencia / Recolecta
Inclou dades d'ús des de 2022
Cita com:
hdl:2117/76763
Tipus de documentText en actes de congrés
Data publicació2015-07-08
EditorUniversitat Oberta La Salle
Condicions d'accésAccés obert
Llevat que s'hi indiqui el contrari, els
continguts d'aquesta obra estan subjectes a la llicència de Creative Commons
:
Reconeixement-NoComercial-SenseObraDerivada 3.0 Espanya
Abstract
Resumen:
La computación de propósito general con tarjetas gráficas
se basa en el uso de estas tarjetas (GPUs) para
realizar cálculos computacionales que tradicionalmente
son realizados por los procesadores (CPUs). Debido
al creciente uso de las GPUs, es importante que los
planes de estudio de informática incluyan los fundamentos
de la computación paralela con GPUs, al tiempo
que se equipan los laboratorios docentes con GPUs
a un coste razonable. En este sentido, instalar GPUs
en todos los ordenadores del laboratorio puede resultar
costoso a nivel económico, mientras que compartir un
servidor remoto con GPU entre los estudiantes puede
derivar en unas malas condiciones de aprendizaje.
En este trabajo proponemos una solución eficaz a este
problema: el uso de la tecnología rCUDA (CUDA remoto),
que permite a las aplicaciones de un ordenador
utilizar, de forma concurrente y transparente, GPUs
instaladas en servidores remotos. De esta manera los
estudiantes pueden, desde sus puestos de trabajo, compartir
una misma GPU instalada en un servidor remoto
sin tener que iniciar sesión en el mismo. Para demostrar
que nuestra propuesta es factible, presentamos experimentos
en un escenario real que muestran cómo el
coste del laboratorio es notablemente reducido, mientras
que la calidad del aprendizaje se mantiene. Abstract:
General-Purpose computing on Graphics Processing
Units consists in using Graphics Processing Units
(GPUs) to perform the computation of applications traditionally
handled by regular processors (CPUs). Due
to their increasing use, it is important that Computer
Engineering and Computer Science curricula include
the basics of this new computing trend. As regards the
practical part of the training, one major issue is how
to introduce GPUs into a laboratory: buying GPUs for
all the workstations of the lab may be too expensive,
whereas installing one GPU in a server and requesting
the students to log into this server may lead to a low
teaching quality due to its associated overhead.
In this paper we suggest a new solution to introduce
GPUs into a laboratory: the rCUDA (remote CUDA)
framework, which allows applications running in a
computer to use GPUs installed in remote servers.
Hence, students will be capable of sharing a remote
GPU (concurrently and transparently) from their local
workstations in the lab, without logging into the server.
To prove that our approach is possible, we show
experiments in a real laboratory. The experiments demonstrate
that our proposal reduces the cost of the laboratory,
whereas the teaching quality still remains.
CitacióReaño, Carlos; Silla, Federico. Reduciendo el coste económico de las prácticas de CUDA manteniendo la calidad del aprendizaje. A: JENUI 2015. "Actas de las XXI Jornadas de la Enseñanza Universitaria de la Informática". Universitat Oberta La Salle ed. Andorra la Vella: Universitat Oberta La Salle, 2015, p. 81-88.
Dipòsit legalDL: AND.92-2015
ISBN978-99920-70-10-9
Fitxers | Descripció | Mida | Format | Visualitza |
---|---|---|---|---|
JENUI2015_91-98.pdf | 471,3Kb | Visualitza/Obre |