Programowanie na kartach graficznych

Kurs programowania C (np. 0800-JPRO)

przedmiot obligatoryjny

Godziny realizowane z udziałem nauczycieli ( 60 godz.):

- udział w wykładach – 15

- udział w laboratorium – 45

Czas poświęcony na pracę indywidualną studenta ( 30 godz.):

- przygotowanie do zajęć - 20

- przygotowanie do kolokwium - 10

Łącznie: 90 godz. (3 ECTS)

W1: Ma pogłębioną wiedzę z zakresu architektury i programowania wielordzeniowych kart graficznych w technologii CUDA – K_W02, K_W04, K_W05, K_W07 dla FTs2

W2: Posiada wiedzę pozwalającą na zrównoleglenie algorytmu przetwarzania danych na karty graficzne w celu przyspieszenia obliczeń - K_W04, K_W07 dla FTs2

W3: Zna historię rozwoju, stan obecny oraz trendy rozwojowe układów GPU pozwalających na równoległe przetwarzanie danych K_W02, K_W07 dla FTs2

U1 – Potrafi zastosować posiadaną wiedzę do analizy i reformułowania algorytmów na wielordzeniową platformę CUDA – K_U01, K_U09 dla FTs2

U2 – Analizuje wydajność algorytmu, jego „wąskie gardła” oraz potrafi dokonać krytycznej oceny przydatności wielordzeniowej karty graficznej w obliczeniach K_U05 dla FTs2

U3 – Wykorzystuje dokumentacje techniczną i potrafi samodzielnie uzupełnić swoją wiedzę podczas tworzenia kodu K_U03, K_U09 dla FTs2

K1 - Umie krytycznie oceniać wyniki wydajności przetwarzania danych przedstawiane w literaturze – K_K01 dla FTs2

K2 – Umie krytycznie oceniać swoje umiejętności i szybkość programowania – K_K01 dla FTs2

K3 – Posiada umiejętność prowadzenia dyskusji na temat wydajności proponowanych rozwiązań implementacyjnych, potrafi precyzyjnie zadawać pytania – K_K01 dla FTs2

Metody dydaktyczne podające:

- pogadanka

- wykład informacyjny (konwencjonalny)

- wykład konwersatoryjny

Metody dydaktyczne poszukujące:

- ćwiczeniowa

- laboratoryjna

- pogadanka
- wykład informacyjny (konwencjonalny)
- wykład konwersatoryjny

- ćwiczeniowa
- laboratoryjna

NVIDIA wprowadziła technologię CUDA umożliwiającą wykorzystanie procesorów graficznych do prowadzenia równoległych obliczeń ogólnego przeznaczenia na procesorach graficznych. Celem kursu jest wprowadzenie do programowania procesorów graficznych w języku CUDA C.

Główny nacisk położony zostanie na wydajność rozwijanych aplikacji poprzez wykorzystywanie różnych typów pamięci (pamięć urządzenia, shared, rejestry) oraz podziału zadań między wątki. Przedstawione zostaną biblioteki cuFFT i cuBLAS, wykorzystanie operacji atomowych oraz strumienie.

Program zajęć (wykład):

- Historia i architektura GPU.

- Pierwszy program w CUDA, wywołanie funkcji jądra.

- Wątki i ich grupowanie.

- Wykorzystanie pamięci wspólnej (ang. shared memory).

- Używanie narzędzia CUDA Occupancy calculator.

- Pamięć stała i zdarzenia.

- Użycie pamięci tekstur.

- Współpraca z OpenGL.

- Operacje atomowe.

- Strumienie.

- Wykorzystanie zewnętrznych bibliotek:

-- cuBLAS

-- cuFFT

Program zajęć (Laboratorium):

- sumowanie wektorów,

- obliczanie iloczynów skalarnych (4 różne metody wraz z analizą ich wydajności),

- mnożenie macierzy (3 różne metody wraz z analizą wydajności),

- filtracja sygnałów,

- analiza wydajności dostępu do pamięci shared

- wielowątkowe tworzenie histogramów (operacje atomowe)

- strumieniowe przetwarzanie danych

- ćwiczenia z użeciem bilbiotek cuBLAS i cuFFT

Literatura podstawowa:

1. Jason Sanders, Edward Kandrot, "CUDA w przykładach. Wprowadzenie do ogólnego programowania procesorów GPU", Helion 2012

2. NVIDIA, "CUDA_C_Programming_Guide"

3. NVIDIA, "CUDA_C_Best_Practices_Guide"

Literatura uzupełniająca:

1. David B. Kirk and Wen-mei W. Hwu, "Programming massively parallel processors : a hands-on approach", Burlington, MA : Morgan Kaufmann Publ., 2010

Metody oceniania:

kolokwium- W1, W2, W3, U1, U2, U3, K1, K2, K3

Kryteria oceniania:

Wykład: zaliczenie bez oceny na podstawie laboratorium

Laboratorium: zaliczenie na ocenę na podstawie dwóch kolokwiów

ndst – <50%

dst- 50% - 59%

dst plus- 60% - 69%

db- 70% - 79%

db plus- 80% - 89%

bdb- >90%

Możliwość zdobycia dodatkowej oceny/plusów za aktywność w czasie zajęć.

nie dotyczy