Informatique

Introduction

• Calcul parallèle hétérogène
• Architecture des GPUs
• Pourquoi plus de vitesse ou de parallèlisme ?
• Accélérer de réelles applications
• Challenges du calcul parallèle
• Concept de GPGPU
• Comparaison des frameworks (CUDA, OpenCL, OpenGL Compute Shader, OpenACC)

Architecture d'éxécution

• Parallélisme de donnée
• Notions clefs (Kernel, Thread, Work group, ...)
• Structure d'un programme CUDA/OpenCL/Compute Shader
• Device Global Memory et transfert de données
• Lancement des kernels
• Mémoire et localité des données

Stratégies d'optimisation

• Configuration d'éxécution
• Utilisation de la mémoire
• Transfert de données efficient
• Précalculs sur CPU

Examples pratiques

• Manipulation des données
• Calculs algébriques
• Réduction

Outils et bibliothèques

• NVIDIA Visual Profiler
• nvcc, CLEW
• CUBLAS, CUFFT, CUSOLVER
• Thrust : bibliothèque orientée productivité pour CUDA