CPU - Parallélisme

Programmation Parallèle
sur CPU et GPU
(GPU=Graphics Processing Unit)
gael.guenn[email protected]
www.labri.fr/perso/guenneba/pghp_IO16

2
Plan du cours
•Motivations pour le parallélisme et les GPUs
–single core → multi-core → many-core
•CPU
–Architecture
–Modèle de programmation en mémoire partagé
•OpenMP
•GPU (Graphics Processing Unit)
–Architecture
–Modèle de programmation many-core
•CUDA

3
Objectifs
•Acquérir les bases pour
–éviter les erreurs de bases dans vos propres codes
•poursuivre en auto-formation au besoin
–échanger avec des spécialistes
–savoir comparer deux solutions matérielles
•savoir adapter le matériel aux besoins

4
Motivations applicatives
•Toujours plus de performance...
–plus rapide : de x10 à x100 ou plus !!
–résoudre des problèmes plus gros
–plus de précisions
–rendre possible de nouvelles applications, nouveaux algorithmes
–réduire la consommation
–etc.

5
Motivations applicatives
•Exemples :
–Simu électromag, en un point : intégration 4D
•Code initial en (mauvais) MatLab : 20min
•Code optimisé / CPU : 0.5s !!
–Simu sur GPU via MatLab : a life changer !
→ utilisation de CUDA en 3A-voie B (simu)
–3A-voie A (instrumentation) :
•Embarqué
–traitement/reconstruction efficace des données...
•Free-form optics