Description

Cette formation vous permettra d'apprendre à utiliser le SDK CUDA de NVIDIA, leader en matière d'utilisation de GPU, pour améliorer les performances de parallélisme de données. Vous apprendrez les connaissances nécessaires à la mise en œuvre de CUDA, ce qui vous permettra d'évaluer et de manipuler cette technologie.

À qui s'adresse cette formation ?

Pour qui ?

Concepteurs et développeurs d'applications en C/C++, architectes logiciels.

Prérequis

Bonnes connaissances du langage C/C++ et des threads, expérience requise. Connaissances de base du C++11.

Les objectifs de la formation

À la fin de la formation, le participant sera en mesure de / : Comprendre l'intérêt de l'utilisation du GPU en tant que ressource de calcul indépendante
Utiliser le GPU avec CUDA dans l'environnement de Visual Studio
Assurer le lien entre les threads du C++11 et l'utilisation du GPU
Vérifier l'intérêt dans le cadre d'un projet complet

Programme de la formation

• Introduction
  • Présentation de l'utilisation du GPU comparée au CPU.
  • Le SDK CUDA de la société NVIDIA.
  • Les alternatives et compléments à CUDA.
  • Démonstration Présentation de l'application de test et évaluation des résultats sur le CPU.
• Installation de CUDA
  • Installation du driver spécifique et du SDK de CUDA.
  • Installation de NSIGHT, l'environnement spécifique de CUDA sous Visual Studio.
  • Exploration des exemples d'application.
  • Récupération des capacités des cartes graphiques installées.
  • Travaux pratiques Installation de CUDA, création d'un projet et validation de l'installation.
• La mise en oeuvre de base
  • Les fondamentaux de l'exécution d'une fonction kernel.
  • La création d'une fonction kernel.
  • L'appel d'une fonction kernel.
  • Les transferts de mémoire entre le host et le GPU.
  • L'exécution asynchrone d'une séquence de code GPU.
  • Le débogage du code exécuté sur le GPU.
  • Travaux pratiques Ajout d'une séquence de code à exécuter sur le GPU à l'application de test, comparaison des résultats avec l'existant en C++11.
  • Utilisation du débogueur de NSIGHT.
• L'utilisation des différentes options de mémoire de CUDA
  • La mémoire partagée à l'intérieur d'un bloc de threads, les différentes options.
  • L'optimisation entre la mémoire consacrée aux données et la taille du code à exécuter.
  • Les allocations mappées entre la mémoire du host et la mémoire de la carte graphique.
  • L'utilisation de la mémoire portable entre le host et plusieurs cartes graphiques.
  • Travaux pratiques Manipulation des différentes options dans l'application de test.
  • Recherche de la meilleure solution selon un cas étudié.
• Les autres utilisations de CUDA
  • L'utilisation des Streams, exécution en parallèle sur différentes cartes graphiques.
  • L'utilisation de CUDA en C++ avec Thrust.
  • Les alternatives ou compléments à CUDA comme le C++ AMP, OpenCL, OpenAPP.
  • Etude de cas Exploration des solutions complémentaires et alternatives, comparaison à l'aide de l'application de test.
• Conclusion
  • Le champ d'application de l'utilisation du GPU comme alternative au CPU.
  • Les bonnes pratiques.