Plan du cours
Introduction
Comprendre les fondamentaux de la méthodologie du calcul hétérogène
Pourquoi le calcul parallèle ? Comprendre la nécessité du calcul parallèle
Processeurs multi-cœurs - Architecture et conception
Introduction aux threads, bases des threads et concepts fondamentaux de la programmation parallèle
Comprendre les fondamentaux des processus d'optimisation logicielle GPU
OpenMP - Une norme pour la programmation parallèle basée sur des directives
Pratique / Démonstration de divers programmes sur des machines multicœurs
Introduction au calcul GPU
GPU pour le calcul parallèle
Modèle de programmation GPU
Pratique / Démonstration de divers programmes sur GPU
SDK, Toolkit et installation de l'environnement pour GPU
Travail avec diverses bibliothèques
Démonstration de GPU et outils avec des exemples de programmes et OpenACC
Comprendre le modèle de programmation CUDA
Apprendre l'architecture CUDA
Exploration et configuration des environnements de développement CUDA
Travail avec l'API runtime CUDA
Comprendre le modèle de mémoire CUDA
Exploration des fonctionnalités supplémentaires de l'API CUDA
Accès efficace à la mémoire globale dans CUDA : optimisation de la mémoire globale
Optimisation des transferts de données dans CUDA à l'aide de flux CUDA
Utilisation de la mémoire partagée dans CUDA
Compréhension et utilisation des opérations atomiques et instructions dans CUDA
Étude de cas : traitement d'images numériques basique avec CUDA
Travail avec la programmation multi-GPU
Profilage matériel avancé et échantillonnage sur NVIDIA / CUDA
Utilisation de l'API de parallélisme dynamique CUDA pour le lancement dynamique de kernels
Résumé et conclusion
Pré requis
- Programmation C
- Linux GCC
Nos clients témoignent (1)
L'énergie et l'humour des formateurs.
Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.
Formation - NVIDIA GPU Programming - Extended
Traduction automatique
