Programowanie GPU 1000-I2PGPU

Wprowadzenie do programowania kart graficznych
Przegląd podstawowych architektur sprzętowych (ATI, nVidia) wraz z implikacjami
Przegląd języków i narzędzi do programowania kart graficznych
Wprowadzenie do OpenCL / SYCL
Podstawy programowana w języku CUDA
Portowanie aplikacji z wykorzystaniem dyrektyw kompilatora - standard OpenACC
Metody i mechanizmy optymalizacji kodu GPGPU
Przykładowe problemy numeryczne i ich implementacja na karty graficzne
Debugowanie, profilowanie i optymalizacja kodu.

Całkowity nakład pracy studenta

- godziny realizowane z udziałem nauczyciela: 60h (wykład 30h, ćwiczenia 30h) - czas poświęcony na pracę indywidualną nad projektem zaliczeniowym (programem wykorzystującym możliwości równoległe GPU): 60h - czas wymagany do przygotowania się do ćwiczeń i rozwiązanie wymaganej ilości przykładowych problemów (zadań): 30h - czas wymagany do odbycia obowiązkowych praktyk: 0h Razem 150h, 6ptk. ECTS

Efekty uczenia się - wiedza

W1: Znajomość architektury GPU i jej wpływu na model programowania. Wiedza na temat różnych rodzajów pamięci i ich sposobów wykorzystania. W2: Znajomość zasad pisania aplikacji (programów ogólnego zastosowania) na karty graficzne. W3: Znajomość języków programowania i umiejętność ich wykorzystania do portowania aplikacji na karty GPU. W4: Znajomość podstawowych algorytmów numerycznych (wzorców programistycznych) i ich implementacji na karty graficzne.

Efekty uczenia się - umiejętności

U1: Umiejętność programowania GPGPU, wykorzystując możliwości obliczeń równoległych procesorów GPU. U2: Umiejętność sprawdzenia poprawności kodu równoległego na GPU i analizy jego wydajności

Efekty uczenia się - kompetencje społeczne

K1: Prezentacja działania programu zaliczeniowego i przedstawienie sposobu jego działania (opis kodu źródłowego). K2: Skutecznie przekazuje innym swoje myśli w zrozumiały sposób

Metody dydaktyczne podające

- wykład informacyjny (konwencjonalny)

Metody dydaktyczne poszukujące

- projektu
- ćwiczeniowa

Rodzaj przedmiotu

przedmiot fakultatywny

Wymagania wstępne

Podstawy programowania, umiejętność programowania w C lub C++.

Koordynatorzy przedmiotu

Jakub Narębski

Kryteria oceniania

Zaliczenie na podstawie obecności i przedstawienia indywidualne projektu programistycznego polegającym na implementacji wybranego algorytmu na karty graficzne: W1, W2, W3, U1, U2, K1, K2

Wykonanie na zajęciach lub indywidualnie zadań programistycznych z zakresu obliczeń GPU: W4, U1

Literatura

[1] Jason Sanders, Edward Kandrot, "CUDA w przykładach: wprowadzenie do ogólnego programowania procesorów GPU''
[2] Jason Sanders, Edward Kandrot, "CUDA by Example: An Introduction to General-Purpose GPU Programming"
[3] David B. Kirk, Wen-mei W. Hwu, "Programming Massively Parallel Processors: A Hands-on Approach"
[4] Rob Farber, "CUDA application design and development"
[5] Duane Storti, Mete Yurtoglu: "CUDA for Engineers: An Introduction to High-Performance Parallel Computing"

Materiały w sieci:
[5] NVIDIA, "CUDA Toolkit Documentation", http://docs.nvidia.com/cuda
[6] NVIDIA Developers Blog, https://developer.nvidia.com/blog/

Więcej informacji

Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb:

Strona przedmiotu 1000-I2PGPU w USOSweb