研究人员开发了 VUDA 系统，旨在通过实现 CUDA 计算和 Vulkan 图形工作负载的同时执行来提高 GPU 利用率。这是通过打破这两种传统上在互斥时间切片中运行的独立 GPU 上下文之间的隔离来实现的。VUDA 通过 API 注释和驱动程序级别的修改促进空间并行性，从而实现统一的地址空间并消除关键路径上的数据复制。实验表明，VUDA 可将具身 AI 应用的吞吐量提高高达 85%。 AI
影响 提高 AI 模拟和训练的 GPU 效率，可能降低计算成本并加速开发周期。
排序理由 这是一篇详细介绍 GPU 工作负载管理新系统的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
