Processeur graphique GPU - Architecture et programmation

Résumé

Mel22

Prochaine session : du 13 au 16 mai 2025

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