GPU-Computing: AMDs HIP-SDK bringt Nvidia CUDA auf eigene GPUs
AMDs Heterogeneous-Compute Interface, kurz HIP genannt, bietet schon länger die Möglichkeit, GPU-beschleunigte Anwendungen sowohl für AMD- als auch Nvidia-GPUs zu kompilieren. Doch die neue Version des SDK ermöglicht es erstmals, Software für Nvidias CUDA-Schnittstelle direkt auf AMD-Hardware auszuführen.
Nvidia dominiert den Markt
Schon länger werden Simulationen oder Rendering-Prozesse, aber auch Berechnungen im Themenfeld der Künstlichen Intelligenz, von der CPU auf die GPU verlagert (GPGPU-Programmierung), da diese durch ihre Vielzahl an Rechenwerken besonders gut für parallelisierbare Aufgaben geeignet ist. Zur Realisierung bedarf es einer Möglichkeit für Entwickler, die Hardware überhaupt anzusprechen. So startete Nvidia mit CUDA eine der ersten APIs für genau diese Zwecke, aber eben mit der primären Ausrichtung für die eigenen Grafikbeschleuniger. Alternative und freie Projekte wie OpenCL, welche unabhängig vom Hardware-Hersteller laufen konnten, folgten zwar kurz darauf, konnten aber nicht an die Leistung respektive Effizienz von CUDA heranreichen.
AMD tut sich schwer
Die frühere Verbreitung und Geschwindigkeitsvorteile auf Nvidias Seite führten entsprechend zur Übermacht CUDAs. Doch auch AMD versuchte mit eigenen Projekten Fuß zu fassen und initiierte 2016 ROCm (Radeon Open Compute platform). Die Sammlung adressierte mehrere Anwendungsszenarien wie beispielsweise Großrechner wie den El Capitan, KI-Anwendungen und Serverlösungen, aber auch Sprachmodelle wie AMDs eigenes HIP, welches wiederum für Desktop-Anwendungen gedacht ist.
Als Anwendungsszenarien, in welchen HIP bereits genutzt wird, gibt AMD Softwarelösungen wie Blender oder Maxons Redshift Renderer an.
CUDA-Code auf AMD-GPUs
Entsprechend naheliegend ist nun die Lösung, welche bereits im Jahr 2015 angekündigt wurde: AMD konvertiert bestehende CUDA-Anwendungen in eine gemeinsame Code-Basis für AMD- und Nvidia-GPUs, sodass Entwickler nicht länger mehrgleisig fahren müssen, um mehrere Hardware-Hersteller zu unterstützen. Dabei lässt sich Code durch das Tool HIPIFY automatisiert umwandeln.
Diesbezüglich betont das Unternehmen, dass Code zwar portiert, aber nicht für die Hardware respektive die Architektur der AMD-GPUs optimiert wird. Machine-Learning- und KI-Anwendungen werden ebenfalls nicht unterstützt.
Als Systemvoraussetzung nennt der Hersteller eine Grafikkarte ab der Vega-Generation. Den Download stellt AMD selbst bereit.
Die Redaktion dankt ComputerBase-Leser Taurus104 für den Hinweis zu dieser Meldung.