Après le C, Fortran et le C++, c'est Python qui devient le quatrième langage officiel pour CUDA. Contrairement aux trois premiers langages, ce support ne ...
Lire la suite ...

Moi j'attends avec impatience le support de Java (parce que se taper Java -> JNI -> C++ -> CUDA c'est pénible! )

Des chances du coup de retrouver du CUDA directement dans les mod pour Maya ? Cool !

Je ne vois pas d'intérêt a Java pour le calcul scientifique. C et C++ sont les langages les plus utilisés, Fortran est "historique", mais Java ?

Chais pas faut demander aux Aztek

C'est un très bon point. Mais à quand la vraie révolution chez nVidia: le support officiel et inconditionnel d'OpenCL!!!!! (et non pas une version boîteuse comme ce qu'on a actuellement).

Quand OpenCL sera en mesure de concurrencer CUDA, te répondra surement un ponte du caméléon. Pour l'instant, CUDA est plus efficace pour les cartes NVidia, et comme elles sont les meilleures sur le marché, je vois pas trop de solutions alternatives. Seul Intel pourrait faire bouger cette position.

Python ?
Est-ce que ça voudra dire que les composants graphiques des applications écrites en python sous linux seront accélérés ?
 
Ce serait le pied si c'est le cas !

Permets-moi d'avoir un point de vue différent. Ils pourraient tout à fait implémenter OpenCL de manière efficace s'ils s'en donnaient la peine. Ils préfèrent (bien naturellement) mettre l'accent sur leur techno propriétaire. OpenCL, je le rappelle est un standart ouvert et comme par hasard, soutenu entres autres par AMD... à tel point que le support d'OpenCL est simplement catastrophique sur les dernières cartes "haut de gamme" nVidia. C'est dommage. Car il existe des développeurs (et des projets) qui se focalisent sur OpenCL, dans l'espoir d'offrir un support relativement universel (Intel, AMD, nVidia). Seulement dans les faits, les perfs sont assez décevants sur matériel nVidia. Mais je ne parle pas de jeux là, bien entendu.

Non. De la même manière, toute application C/C++ ou Fortran ne bénéficie pas d'accélération par le GPU. Il faut bien entendu utiliser spécifiquement pour CUDA (ou OpenCL) pour en profiter.
 
D'autre part, si utiliser le GPGPU en Python t’intéresse, sache que c'est déjà possible via PyOpenCL.

 
Ne soit pas agressif, je t'expose simplement le point de vue du leader du marché : "on a les meilleures cartes, les meilleures applications, et tout cet écosystème fonctionne parfaitement avec CUDA. Pourquoi aller chercher OpenCL et remettre le pied à l'étrier de nos concurrents, quand on peut continuer a les enfoncer ?".
Quand tu te lance dans les calculs GPU, tu as juste 2 solutions : OpenCL mais il faudrat écrire ton application, donc trouver des bons programmeurs, et faire soit tourner sur du NVidia pour des perfs pas terribles car bridées, soit faire tourner chez AMD ou Intel (enfin, les futurs GPGPU d'Intel) pour des perfs correctes mais sans plus.
Ou alors taper sur du CUDA, avec une bonne liste d'applications déjà disponibles, si besoin un bon vivier de programmeurs et le support important de NVidia, et faire tourner ça sur des cartes NVidia qui offrent les meilleures perfs possible actuellement.
Sans compter l'équation matérielle, car si tu cherches a faire des fermes de calcul, le choix est réduit a NVidia uniquement.
 
Comme tu vois, pour l'instant, OpenCL c'est bien, ça fait "branché", mais ce n'est pas viable économiquement.

Je suis en profond désaccord aussi! Parcontre j'ai pas du tout d'aggressivité en tête
Tu as raison sur le fait que CUDA a pour l'instant le meilleur écosystème. Niveau Hardware, les cartes AMD ont un peak plus élevé pour le même prix et une consommation plus faible, et dans à peu près toutes les gammes, de la HD7850 à la HD7970 puis bientôt la HD7990 qui risque de mettre une énorme raclée à Titan. Biensûr, je ne parle pas de peak théorique (même si AMD est encore devant) mais de peak pratique, qu'on obtient avec un SGEMM ou un DGEMM par exemple!
Je précise aussi que CUDA souffre d'énorme de problèmes de portabilité avec leur NVCC alors que OpenCL est compilé à la volée. Comme les librairies existantes pour l'instant pour OpenCL (ViennaCL par exemple) sont surtout header only, c'est beaucoup plus portable. En particulier, OpenCL ne ralera jamais car tu as gcc4.7 comme le faisait CUDA jusqu'à la 5.0...

Bref, un petit point sur les "perfs d'OpenCL" : NVidia n'est pas en reste. Des publications scientifiques récentes montrent même qu'un portage du code de multiplication matricielle de CUDA à OpenCL ne donne lieu qu'à une réduction de performance de ~5%. Avec une programmation intelligente, OpenCL peut vraiment se rapprocher grandement de la MKL d'Intel ou de cuBlas sur des cartes NVidia.

D'ailleurs, les fabricants l'ont effectivement bien compris, de Qualcomm à Altera en passant par ARM !

Mais effectivement, tant qu'il n'y aura pas d'écosystème raisonnable sur OpenCL, les gens resteront sur CUDA