Processeur graphique GPU - Architecture et programmation

Résumé

Mel22

Prochaine session : du 13 au 16 octobre 2026

Objectifs

• Connaître les éléments clés des architectures et de la programmation des GPU
• Savoir porter et optimiser une application scientifique sur processeur graphique pour multiplier par 10 à 100 ses performances
• Savoir programmer en CUDA sur GPU
• Se familiariser avec le modèle de streaming CUDA et le multi GPU

Nos atouts pédagogiques

Cette formation s’appuie sur les moyens techniques que met à disposition l’école Grenoble INP - Phelma, UGA, en particulier pour sa filière SICOM « Signal, Image, Communication, Multimédia ».

Les intervenants sont des enseignants-chercheurs et chercheurs du département Image au sein du laboratoire Gipsa Lab, spécialistes reconnus dans le domaine de l’adéquation algorithme architecture.

 

Les plus de la formation :

 

• Alternance entre apports théoriques et applications pratiques
• 60 % de la formation se déroule sous forme de travaux pratiques avec des études de cas sur ordinateurs (1 poste par stagiaire)
• les codes sources des exemples traités sont fournis lors de la formation
• l’encadrement important lors des séances pratiques (au minimum 1 enseignant pour 5 stagiaires) permet une progression rapide adaptée à chacun

   

Conditions d'admission

Pour qui ?
Cette formation s'adresse à des ingénieurs ou techniciens impliqués dans la conception de logiciels de traitement de données à fortes contraintes de performance.

Pré-requis : Connaissance de la programmation en Langage C.

Effectif : de 4 à 8 personnes

 

Programme

Jour 1- Architecture des GPU

 

• Historique des GPU, pipeline graphique
• Architecture comparée des GPU (ATI, Nvidia, Intel) et Xeon Phy
• Présentation de l’API CUDA et de la chaîne de compilation
• Comparaison avec OpenCL
• Modèle de programmation et d’exécution (blocs, warps)
• Modèles de mémoires (textures, constantes, shared, globale, host)
• Méthodologie de portage sur GPU

Après-midi : Travaux pratiques

• Prise en main du GPU et de son environnement de développement sur des exemples du SDK Nvidia (rotation d'image, filtre convolutif, tri...)
• Développement d’un filtre passe bas sur image en niveaux de gris avec textures

 

Jour 2 - Programmation parallèle des GPU et CPU

 

• Points forts et faiblesses du modèle de programmation parallèle
• Architecture détaillée des familles Nvidia
• Multithreading, Hyperthreading
• Structuration des données (tiling, gestion des scratchpads)
• Précision des calculs
• Communication parallèle (débit, latence)
• Mémoires (types, accès, gestion) et cohérence des données (mémoires
• Caches, partagées, globales, synchronisation)
• Outils d’analyse de performance (optimisation, profiler, debug…)

Après-midi : Travaux pratiques
Développement d’un traitement de type Stencil avec mémoire shared, et réduction d’image avec histogramme
 

Jour 3 - Programmation avancée

 

• Multi-GPU, fonctionnement asynchrone (streams)
• Lien avec MPI/OpenMP,
• Schémas de parallélisation (Stencils, Reduction, …)
• Optimisation parallèle (profiler)
• Lien CUDA / OpenGL
• Nouveautés CUDA 8 et 9

Après-midi : Travaux pratiques
Développement d’un filtre complexe de détection de contour de Deriche avec mémoire shared et globale, avec lissage récursif et transposition optimisée
 

Jour 4 - Mises en situations pratiques

• Développement d'une application multi-GPU
• Savoir mobiliser les outils d'IA générative (cloud et local) selon les bonnes pratiques pour assister la conception, la programmation et l'évaluation d'applications CUDA.

Contrôle des connaissances

Quizz d’acquisition des connaissances en début et en fin de formation.