- Treiber
- Produkte
- Prozessoren
- Technologien
- NVIDIA GRID
- 3D Vision
- Plattformen
- PC Spiele
- Support
- Kaufen
- Über NVIDIA
 |
Abonnieren |  |
Share |
PRODUKTINFOS
WEITERE INFOS
- Software-Entwicklungstools
Programmierung CUDA-fähiger Grafikprozessoren
- NVIDIA CUDA
WICHTIGE LINKS
Data-Mining, Analysen und Datenbanken
Datenbanken sind der eigentliche Motor eines heutigen Unternehmens. Das Durchsuchen von Datenbanken nach verwertbaren Informationen ist zu einer großen Herausforderung für den Computer geworden. Die Forscher an den Hochschulen sowie bei Microsoft, Oracle, SAP und vielen anderen Unternehmen sehen in den CUDA-fähigen Grafikprozessoren eine Chance, eine skalierbare Lösung zu finden.
Wichtige ISVs und Anwendungen mit CUDA für die Datenanalyse
| ISV | BESCHREIBUNG | VORTEILE DES GRAFIKPROZESSORS |
| MathWorks MATLAB® | Datenparallele Berechnungen (MATLAB PCT, MDCS) | Deutliche Beschleunigung für mehr Produktivität für Studenten, Wissenschaftler und Techniker |
| Jedox Palo | Excel-Erweiterung mit OLAP für Planung und Analyse | 20- bis 40-fache Beschleunigung: Entscheidungsfindung innerhalb von Stunden statt Tagen |
| ParStream | Beschleunigung von Datenbanken und Datenanalyse mit Grafikprozessoren | 10-fache oder noch größere Beschleunigung: Milliarden von Datensätzen werden in Sekunden durchsucht |
| Tanay Data Analytics von Fuzzy Logix | Datenbank-integrierte Analytik-Engine | Beschleunigung von Finanzsimulationen, Data-Mining und statistischen Verfahren mit Grafikprozessoren |
| GPU-Quicksort | Hoch optimierter Quicksort-Algorithmus | 10-fache Beschleunigung: Über 16 Millionen Gleitkommazahlen werden in weniger als 0,5 s sortiert |
| Arrayfire | Grafikprozessor-Funktionenbibliothek für C, C++, FORTRAN | Bis zur 100-fachen Beschleunigung je nach Anwendung |
| Wolfram Mathematica | Analysen in symbolischer Mathematik (Mathematica) | Deutliche Leistungssteigerungen bei unterschiedlichen Anwendungen, unter anderem für lineare Algebra, Bildbearbeitung, Finanzsimulationen und Fourier-Transformationen |
| GPU-LIBSVM | Verschiedene Implementierungen von libSVM / Support-Vector-Klassifikation und Regression mit Grafikprozessoren | 10- bis 100-fache Beschleunigung gegenüber libSVM |
| cuSVM | ||
| MultiSVM | ||
| RPUSVM | SVM-Training und Vorhersage für das Statistikpaket „R“ | 10-mal schneller |
Weitere CUDA-fähige Datenanalyse-Software
- GPUMiner: Paralleles Data Mining auf NVIDIA-Grafikprozessoren, Fang et al., Hong Kong University of Science and Technology und Microsoft
- Cmatch: Fast Exact String Matching on the GPU, (‘Cmatch: Schnelles Exact-String-Matching auf dem Grafikprozessor’), Schatz/Trapnell, University of Maryland
- R+Grafikprozessor Paket für R, eine beliebte Open Source Lösung für statistische Analysen
- Datenbanken
- Artikel aus IEEE Spectrum: Why Graphics Processors will Transform Database Processing (‘Warum Grafikprozessoren die Datenbankverarbeitung verändern’), Di Blas / Kladeway, Oracle Corporation
- GPUQP: Query Co-processing using Graphics Processors (‘GPUQP: Co-Processing bei Abfragen über Grafikprozessoren’)
- Parallel Search on Video Cards (‘Parallele Suche auf Videokarten’), Kaldeway / Hagen / Di Blas / Sedlar, Oracle Corp
- Datentypen für riesige Texte in Microsoft SQL
- Scaling PostgreSQL using CUDA (‘Die Skalierung von PostgreSQL mit CUDA’)
- Hardware Acceleration in Commercial Databases: A Case Study of Spatial Operations (‘Hardwarebeschleunigung in kommerziellen Datenbanken. Eine Fallstudie räumlicher Operationen’), Bandi et al.
- Analysen und Data-Mining
- Umfangreiche Grafikprozessor-beschleunigte Analysen, Wu/Zhang/Hsu, HP Laboratories
- Ein k-Means-Algorithmus auf Standard-Grafikprozessoren mit CUDA
- Die Nutzung der Grafikprozessortechnologie zur Beschleunigung von Data-Mining in SAP NetWeaver BIA, Weyerhaeuser (SAP) / Mindnich (SAP) / Färber (SAP) / Lehner (TU Dresden)
- Hin zu einer Algorithmusänderung zugunsten von temporärem Data-Mining auf Grafikprozessoren, Sean Ponce, Virginia Tech
- Effizientes k-Means-Clustering mithilfe beschleunigter Grafikprozessoren
- Grafikprozessor-beschleunigtes Data-Mining von Texten
- Histogrammberechnung mit CUDA
- Ein Compiler und Laufzeitsystem zur Ermöglichung von Data-Mining-Anwendungen auf Grafikprozessoren
- Sortierung mithilfe von Grafikprozessoren
- Entwurf effizienter Sortieralgorithmen für Grafikprozessoren mit vielen Recheneinheiten
- GPU QuickSort Library
- Schnelles paralleles Sortieren mit Grafikprozessoren mithilfe eines Hybridalgorithmus
- Ein schneller, flexibler Sortieralgorithmus mit CUDA
- Sortieren mithilfe des Bitonic-Sortiernetzwerks mit CUDA
- Sample Sort mit Grafikprozessoren
- GPUTeraSort: Hochleistungssortierung mit Grafik-Coprozessoren für die Verwaltung riesiger Datenbanken
- Map-Reduce/ Hadoop
MATLAB ist eine eingetragene Marke von The MathWorks, Inc.
ArrayFire ist eine Marke von AccelerEyes