🗊Презентация Разработка параллельных программ для GPU. Введение в CUDA

Категория: Устройства и комплектующие
Нажмите для полного просмотра!
Разработка параллельных программ для GPU. Введение в CUDA, слайд №1Разработка параллельных программ для GPU. Введение в CUDA, слайд №2Разработка параллельных программ для GPU. Введение в CUDA, слайд №3Разработка параллельных программ для GPU. Введение в CUDA, слайд №4Разработка параллельных программ для GPU. Введение в CUDA, слайд №5Разработка параллельных программ для GPU. Введение в CUDA, слайд №6Разработка параллельных программ для GPU. Введение в CUDA, слайд №7Разработка параллельных программ для GPU. Введение в CUDA, слайд №8Разработка параллельных программ для GPU. Введение в CUDA, слайд №9Разработка параллельных программ для GPU. Введение в CUDA, слайд №10Разработка параллельных программ для GPU. Введение в CUDA, слайд №11Разработка параллельных программ для GPU. Введение в CUDA, слайд №12Разработка параллельных программ для GPU. Введение в CUDA, слайд №13Разработка параллельных программ для GPU. Введение в CUDA, слайд №14Разработка параллельных программ для GPU. Введение в CUDA, слайд №15Разработка параллельных программ для GPU. Введение в CUDA, слайд №16Разработка параллельных программ для GPU. Введение в CUDA, слайд №17Разработка параллельных программ для GPU. Введение в CUDA, слайд №18Разработка параллельных программ для GPU. Введение в CUDA, слайд №19Разработка параллельных программ для GPU. Введение в CUDA, слайд №20Разработка параллельных программ для GPU. Введение в CUDA, слайд №21Разработка параллельных программ для GPU. Введение в CUDA, слайд №22Разработка параллельных программ для GPU. Введение в CUDA, слайд №23Разработка параллельных программ для GPU. Введение в CUDA, слайд №24Разработка параллельных программ для GPU. Введение в CUDA, слайд №25Разработка параллельных программ для GPU. Введение в CUDA, слайд №26Разработка параллельных программ для GPU. Введение в CUDA, слайд №27Разработка параллельных программ для GPU. Введение в CUDA, слайд №28Разработка параллельных программ для GPU. Введение в CUDA, слайд №29Разработка параллельных программ для GPU. Введение в CUDA, слайд №30Разработка параллельных программ для GPU. Введение в CUDA, слайд №31Разработка параллельных программ для GPU. Введение в CUDA, слайд №32Разработка параллельных программ для GPU. Введение в CUDA, слайд №33Разработка параллельных программ для GPU. Введение в CUDA, слайд №34Разработка параллельных программ для GPU. Введение в CUDA, слайд №35
Скачать

Содержание ▲

Вы можете ознакомиться и скачать презентацию на тему Разработка параллельных программ для GPU. Введение в CUDA. Доклад-сообщение содержит 35 слайдов. Презентации для любого класса можно скачать бесплатно. Если материал и наш сайт презентаций Mypresentation Вам понравились – поделитесь им с друзьями с помощью социальных кнопок и добавьте в закладки в своем браузере.

Слайды и текст этой презентации

Слайд 1


Разработка параллельных программ для GPU Введение в CUDA
Описание слайда:
Разработка параллельных программ для GPU Введение в CUDA

Слайд 2


АППАРАТНЫЕ Особенности GPU Краткий обзор архитектурных особенностей GPU
Описание слайда:
АППАРАТНЫЕ Особенности GPU Краткий обзор архитектурных особенностей GPU

Слайд 3


Основные тенденции Переход к многопроцессорным системам Развития технологий параллельного программирования OpenMP, MPI, TPL etc. Простота в использовании
Описание слайда:
Основные тенденции Переход к многопроцессорным системам Развития технологий параллельного программирования OpenMP, MPI, TPL etc. Простота в использовании

Слайд 4


Классификация архитектур Виды параллелизма На уровне данных (Data) На уровне задач (Instruction)
Описание слайда:
Классификация архитектур Виды параллелизма На уровне данных (Data) На уровне задач (Instruction)

Слайд 5


Архитектура многоядерных CPU Кэш первого уровня для инструкций (L1-I) для данных (L1-D) Кэш второго уровня на одном кристалле используется раздельно Проблема синхронизации кэш-памяти
Описание слайда:
Архитектура многоядерных CPU Кэш первого уровня для инструкций (L1-I) для данных (L1-D) Кэш второго уровня на одном кристалле используется раздельно Проблема синхронизации кэш-памяти

Слайд 6


Архитектура GPU: Device
Описание слайда:
Архитектура GPU: Device

Слайд 7


Архитектура GPU: TPC Кластер текстурных блоков (TPC) Память для текстур Потоковый мультипроцессор
Описание слайда:
Архитектура GPU: TPC Кластер текстурных блоков (TPC) Память для текстур Потоковый мультипроцессор

Слайд 8


Архитектура GPU: SM Память констант Память инструкций Регистровая память Разделяемая память 8 скалярных процессоров 2 суперфункциональных блока
Описание слайда:
Архитектура GPU: SM Память констант Память инструкций Регистровая память Разделяемая память 8 скалярных процессоров 2 суперфункциональных блока

Слайд 9


Основные отличия GPU от CPU Высокая степень параллелизма (SIMT) Минимальные затраты на кэш-память Ограничения функциональности
Описание слайда:
Основные отличия GPU от CPU Высокая степень параллелизма (SIMT) Минимальные затраты на кэш-память Ограничения функциональности

Слайд 10


Развитие вычислений на GPU Развитие технологии неграфических вычислений
Описание слайда:
Развитие вычислений на GPU Развитие технологии неграфических вычислений

Слайд 11


Эволюция GPU
Описание слайда:
Эволюция GPU

Слайд 12


GPGPU General-Purpose Computation on GPU Вычисления на GPU общего (неграфического) назначения AMD FireStream NVIDIA CUDA DirectCompute (DirectX 10) OpenCL
Описание слайда:
GPGPU General-Purpose Computation on GPU Вычисления на GPU общего (неграфического) назначения AMD FireStream NVIDIA CUDA DirectCompute (DirectX 10) OpenCL

Слайд 13


Программная модель CUDA Основные понятия и определения CUDA
Описание слайда:
Программная модель CUDA Основные понятия и определения CUDA

Слайд 14


CUDA – Compute Unified Device Architecture Host – CPU (Central Processing Unit) Device – GPU (Graphics Processing Unit)
Описание слайда:
CUDA – Compute Unified Device Architecture Host – CPU (Central Processing Unit) Device – GPU (Graphics Processing Unit)

Слайд 15


Организация работы CUDA GPU
Описание слайда:
Организация работы CUDA GPU

Слайд 16


Warp и латентность Warp Порция потоков для выполнения на потоковом мультипроцессоре (SM) Латентность Общая задержка всех потоков warp’а при выполнении инструкции
Описание слайда:
Warp и латентность Warp Порция потоков для выполнения на потоковом мультипроцессоре (SM) Латентность Общая задержка всех потоков warp’а при выполнении инструкции

Слайд 17


Топология блоков (block) Возможна 1, 2 и 3-мерная топология Количество потоков в блоке ограничено (512)
Описание слайда:
Топология блоков (block) Возможна 1, 2 и 3-мерная топология Количество потоков в блоке ограничено (512)

Слайд 18


Топология сетки блоков (grid) Возможна 1 и 2-мерная топология Количество блоков в каждом измерении ограничено 65536=216
Описание слайда:
Топология сетки блоков (grid) Возможна 1 и 2-мерная топология Количество блоков в каждом измерении ограничено 65536=216

Слайд 19


Адресация элементов данных CUDA предоставляет встроенные переменные, которые идентифицируют блоки и потоки blockIdx blockDim threadIdx
Описание слайда:
Адресация элементов данных CUDA предоставляет встроенные переменные, которые идентифицируют блоки и потоки blockIdx blockDim threadIdx

Слайд 20


Барьерная синхронизация Синхронизация потоков блока осуществляется встроенным оператором __synchronize
Описание слайда:
Барьерная синхронизация Синхронизация потоков блока осуществляется встроенным оператором __synchronize

Слайд 21


CUDA: Расширение C++ Особенности написания программ для GPU CUDA
Описание слайда:
CUDA: Расширение C++ Особенности написания программ для GPU CUDA

Слайд 22


Расширение языка С++ Новые типы данных Спецификаторы для функций Спецификаторы для переменных Встроенные переменные (для ядра) Директива для запуска ядра
Описание слайда:
Расширение языка С++ Новые типы данных Спецификаторы для функций Спецификаторы для переменных Встроенные переменные (для ядра) Директива для запуска ядра

Слайд 23


Процесс компиляции
Описание слайда:
Процесс компиляции

Слайд 24


Типы данных CUDA 1, 2, 3 и 4-мерные вектора базовых типов Целые: (u)char, (u)int, (u)short, (u)long, longlong Дробные: float, double Пример: float(1), float2, float3, float4 dim3 ~ uint3 Пример: dim3(n) = uint(n,1,1)
Описание слайда:
Типы данных CUDA 1, 2, 3 и 4-мерные вектора базовых типов Целые: (u)char, (u)int, (u)short, (u)long, longlong Дробные: float, double Пример: float(1), float2, float3, float4 dim3 ~ uint3 Пример: dim3(n) = uint(n,1,1)

Слайд 25


Спецификаторы функций
Описание слайда:
Спецификаторы функций

Слайд 26


Спецификаторы функций Ядро помечается __global__ Ядро не может возвращать значение Возможно совместное использование __host__ и __device__ Спецификаторы __global__ и __host__ не могут использоваться совместно
Описание слайда:
Спецификаторы функций Ядро помечается __global__ Ядро не может возвращать значение Возможно совместное использование __host__ и __device__ Спецификаторы __global__ и __host__ не могут использоваться совместно

Слайд 27


Ограничения функций GPU Не поддерживается рекурсия Не поддерживаются static-переменные Нельзя брать адрес функции __device__ Не поддерживается переменное число аргументов
Описание слайда:
Ограничения функций GPU Не поддерживается рекурсия Не поддерживаются static-переменные Нельзя брать адрес функции __device__ Не поддерживается переменное число аргументов

Слайд 28


Спецификаторы переменных
Описание слайда:
Спецификаторы переменных

Слайд 29


Ограничения переменных GPU Переменные __shared__ не могут инициализироваться при объявлении Запись в __constant__ может производить только host через CUDA API Спецификаторы нельзя применять к полям структур и union
Описание слайда:
Ограничения переменных GPU Переменные __shared__ не могут инициализироваться при объявлении Запись в __constant__ может производить только host через CUDA API Спецификаторы нельзя применять к полям структур и union

Слайд 30


Переменные ядра dim3 gridDim unit3 blockIdx dim3 blockDim uint3 threadIdx int warpSize
Описание слайда:
Переменные ядра dim3 gridDim unit3 blockIdx dim3 blockDim uint3 threadIdx int warpSize

Слайд 31


Директива запуска ядра Kernel<<<blocks, threads>>>(data) blocks – число блоков в сетке threads – число потоков в блоке
Описание слайда:
Директива запуска ядра Kernel<<<blocks, threads>>>(data) blocks – число блоков в сетке threads – число потоков в блоке

Слайд 32


Общая структура программы CUDA __global__ void Kernel(float* data) { . . . } void main() { . . . Kernel<<<blocks, threads>>>(data); . . . }
Описание слайда:
Общая структура программы CUDA __global__ void Kernel(float* data) { . . . } void main() { . . . Kernel<<<blocks, threads>>>(data); . . . }

Слайд 33


Предустановки Видеокарта NVIDIA с поддержкой CUDA Драйвера устройства с поддержкой CUDA NVIDIA CUDA Toolkit NVIDIA CUDA SDK NVIDIA Nsight Visual Studio 2008+ Компилятор Visual C++ 9.0+
Описание слайда:
Предустановки Видеокарта NVIDIA с поддержкой CUDA Драйвера устройства с поддержкой CUDA NVIDIA CUDA Toolkit NVIDIA CUDA SDK NVIDIA Nsight Visual Studio 2008+ Компилятор Visual C++ 9.0+

Слайд 34


Литература NVIDIA Developer Zone http://developer.nvidia.com/cuda NVIDAI CUDA – Неграфические вычисления на графических процессорах http://www.ixbt.com/video3/cuda-1.shtml Создание простого приложения CUDA в Visual Studio 2010 http://mezhov.blogspot.com/2011/09/cuda-visual-studio-2010.html
Описание слайда:
Литература NVIDIA Developer Zone http://developer.nvidia.com/cuda NVIDAI CUDA – Неграфические вычисления на графических процессорах http://www.ixbt.com/video3/cuda-1.shtml Создание простого приложения CUDA в Visual Studio 2010 http://mezhov.blogspot.com/2011/09/cuda-visual-studio-2010.html

Слайд 35


Вопросы?
Описание слайда:
Вопросы?

Скачать

Похожие презентации
Mypresentation.ru
Загрузить презентацию