S'INSCRIRE
Formation C++, programmer avec CUDA sous Visual Studio
utiliser le GPU pour améliorer les performances
- Programme
- Participants / Prérequis
- Intra / sur-mesure
-
Cette formation vous propose de découvrir, d'évaluer et de manipuler le SDK CUDA de la société NVIDIA, leader en matière d'utilisation du GPU, pour améliorer les performances du parallélisme de données. Vous acquerrez toutes les connaissances nécessaires à la mise en œuvre de CUDA.
Objectifs pédagogiques
- 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
Travaux pratiques
Méthodes pédagogiques
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 œuvre 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.
» Participants
» Prérequis
| Benoit M. 20/09/2018 |
4 / 5
|
| Sébastien G. 20/09/2018 |
5 / 5
|
Les avis client sont issus des feuilles d’évaluation de fin de formation. La note est calculée à partir de l’ensemble des avis datant de moins de 12 mois.
