Introdução à programação CUDA

Introdução à programação em
CUDA

1

Objetivos
●

Visão geral da arquitetura de GPUs modernas

●

Vantagens e desvantagens em relação às CPUs

●

Introdução a programação em CUDA

2

Parnorâma
●

Futuro do projeto de microprocessadores e HPC será híbrido

●

Integração de diferentes componentes
–

CPUs com muitos cores

–

Hardware de propósito específico (DSPs, FPGAs)

–

Aceleradores massivamente paralelos (GPUs)

●

Barreira petaFLOP (105 FLOPS) ultrapassada

●

Exemplo: Titan (Oak Ridge National Laboratory)
–

Número 1 no Top500 (Novembro, 2012)

–

97 milhões de dólares

–

17 petaFLOPS

–

18.688 CPUS (Opteron 16-core)

–

18.688 GPUs (Nvidia Tesla K20)

3

Cenário
●

Desenvolvedores precisam lidar com ambientes híbridos

●

Performance deve escalar com número de cores

●

Performance deve acompanhar lançamento de hardware

●

Novos ambientes de desenvolvimento e execução

●

Programação paralela não pode ser visto como algo opcional
4

Por que GPUs?

5

Por que GPUs?

6

Fermi (2010)

~1.5TFLOPS (SP)/~800GFLOPS (DP)
230 GB/s DRAM Bandwidth
7

Speedups Significativos

8

CUFFT 3.2

9

CUBLAS

10

CULA – LAPACK para sistemas heterogêneos 11

Processadores Gráficos
●

●

●

●

●

Enquanto CPUs evoluíam em clock e número o processamento gráfico sofria uma revolução
Década de 1980: Silicon Graphics popularizou o uso de gráficos 3D em diversas aplicações de grande porte
Década de 1990: sistemas operacionais gráficos levam gráficos 2D e 3D ao consumidor final
Meados da década de 1990: Jogos imersivos (Doom,
Duke Nukem, Quake) aumentam o interesse e exigência dos consumidores por gráficos 3D
1992: OpenGL, 1995: DirectX
12

GPU vs. CPU

GPUs dedicam muito mais transistores para unidades lógicas e aritméticas
(ULAs) que CPUs, em compensação as unidades de controle são mais simples e os caches são menores.