Embed Size (px)
DESCRIPTION
GPGPU. GPU. GPU – Quebra de paradigma radical. Você mudaria todo o teu paradigma de desenvolvimento e hardware apenas para ganhar 5% de desempenho?. GPGPU – a evolução. Há 3 fases históricas das GPUs: Fixed Function GPU Programmable GPU Arquitetura Unificada. Fixed Function GPUs. - PowerPoint PPT Presentation
Citation preview
GPGPU
GPU
GPU – Quebra de paradigma radical
Você mudaria todo o teu paradigma de desenvolvimento e hardware apenas para ganhar 5% de desempenho?
GPGPU – a evolução ...
Há 3 fases históricas das GPUs:
-Fixed Function GPU
- Programmable GPU
- Arquitetura Unificada
Fixed Function GPUs
-Arquitetura incapaz de aceitar programação-Impossível realizar cálculos sem ser de computação gráfica-Incapacidade de acesso ao processador- Conceito de APIs
Fixed Function GPUs
InterfaceCPU - GPU
CPU
InterfaceGPU - Video
Enginede
Geometria
Engines de Rasterização
FrontBuffer
BackBuffers
ZBuffer
StencilBuffer
Texture Buffer
Memória
de
vídeo
Processador(es)
Back Buffer
Front Buffer
Programmable GPU
- Vertex and Pixel Shaders- Arquitetura orientada a estrutura de dados de computação gráfica
Programmable GPU
Programmable GPU
Arquitetura Unificada - CUDA
Programmable GPU
-Limitações:-Shaders-Modo de endereçamento limitado-Pequeno grupo de instruções-Dificuldade de comunicação entre processadores e processos
GPGPU
- Problema de ter que mapear tudo para APIs- Usar funções OpenGL ou DirectX para efetuar todo tipo de operações
Arquitetura Unificada - CUDA
Arquitetura Unificada - CUDA
Paralelismo sem esforço, baixo custo...
Por que mais rápido? Tarefa 100 vezes mais rápido
Tarefa de 1 ano de duração cai para 3 dias
Tarefa de 1 dia cai para 15 minutos
Tarefa de 3 segundos cai para 30 vezes por segundo
Exemplo: Simulação de Multidão
GPU
Operações aritiméticas ++Operações de memória --
Threads
Porque programar em Threads?
-Para fazer distribuição de carga em arquitetura single core
- Para fazer distribuição de carga entre múltiplos núcleos
- Desafio de ter que manter o máximo de uso de cada núcleo
Threads
Quantas threads voce já criou para seu programa?
Threads
-CUDA permite até 12 mil threads- CUDA é basicamente um cluster de threads
Threads – Custo de gerenciamento
Em CPU, como fazemos pouca troca de threads, podemos achar natural gastar 1000 instruções para fazer a troca de uma thread para outra. Em CUDA há outro paradigma....
Não é necessário gerenciar as threads, a priori.
Sincronismo deve ser explicito
Modelo de Programação
CUDA estende a linguagem C através de kernels
Kernels equivalem a funções, que serão executadas N vezes em paralelo
N é o número de threads
Arquitetura do Software
Funções em CUDA
-Não pode haver recursão no __device__-Sem variáveis estáticas-Sem numero variável de parâmetros-A chamada do kernel é assíncrona-Sincronismo deve ser feito explicitamente- __device__ __host__ : podem ser usados juntos
Limite de banda de memória
Importância do reuso de dados
Threads, Blocos e Grids
Um kernel corresponde a um grid de Blocos
Cada Bloco é composto por threads
Todas as threads compartilham a mesma área de memória
As threads de um mesmo bloco podem compartilhar umas com as outras
Threads de blocos diferentes não podem compartilhar memória entre si
Threads, Blocos e Grids - memórias
Palavras reservadas
Hierarquia de Threads
Todos os threads de um bloco usam da mesma memória compartilhada.
O número de threads num bloco é limitado pela memória: GPUs atuais possuem até 512 threads.
Funções em CUDA
__ global__ void KernelFunction (...)
dim3 DimGrid (100, 10); // Grid com 1000 blocosdim3 DimBlock (4, 8, 8); // Cada bloco tem 256 threadsSize_t SharedMemBytes = 32
KernelFun << DimGrid, DimBlock, SharedMemBytes>> (...);
Kernel – será compilado para a GPU
// Kernel definition__global__ void vecAdd(float* A, float* B, float* C){}int main(){
// Kernel invocationvecAdd<<<1, N>>>(A, B, C);
}
__global define que é um kernel
kernel
__global__ void vecAdd(float* A, float* B, float* C){
int i = threadIdx.x;C[i] = A[i] + B[i];
}
int main(){
vecAdd<<<1, N>>>(A, B, C);}
threadIdx define um ID de um dos threads<< n, m>> numero de blocos (n) e threads (m) solicitados para o kernel
Hierarquia de Threads
threadIdx é um vetor de 3 componentes
Threads podem ser identificados com índices de 1, 2 ou 3 dimensões (formando thread blocks de uma, duas ou três dimensões)
Índice de uma thread:-Se for um bloco 1D: é a mesma coisa-Se for um bloco 2D (Dx, Dy): threadId de um thread de índice (x, y) é x + yDx
-Se for um bloco 3D (Dx, Dy, Dz): threadId de uma thread de índice (x, y, z) é x + yDx + zDxDy
Primeiro exemplo de programa
cudaMalloc aloca espaço de memória global da GPU
Primeiro exemplo de programa
Exercicio – Julia set (Fractais em GPU)
Idéia do Julia Set: iterar uma equação para pontos no espaço dos numeros complexos.
Um ponto não pertence ao conjunto, se depois de infinitas iterações o valor cresce para o infinito. Caso contrário, ele está preso a uma região.
A Equação de iteração será dada por Z(n+1) = Z(n)*Z(n) + C
Versao em CPU
int main (void){
CPUBitmap bitmap (DIM, DIM);unsigned char *ptr = bitmap.get_ptr();
kernel (ptr);
bitmap.display_and_exit ();}
Versao em CPU (2)
void kernel (unsigned char *ptr){
for (int y = 0; y<DIM; y++) {for (int x=0; x<DIM; x++){
int offset = x + y * DIM;int juliaValue = julia (x, y);
ptr [offset*3 + 0] = 255 * juliaValue;ptr [offset*3 + 1] = 255 * juliaValue;ptr [offset*3 + 1] = 255 * juliaValue;
}}
}
Versao em CPU (3)
int julia (int x, int y){
cont float scale = 1.5;float jx = scale * (float) (DIM/2 – x)/(DIM/2);float jy = scale * (float) (DIM/2 – y)/(DIM/2);
// assumimos que o complexo C = -0.6, 0.121i// assumimos que o complexo a = jx, jy i ;
int i = 0;for (i=0; i<200; i++) {
a = a * a + c; // multiplicacao de complexos: a.real*C.real – a.i*C.i, a.i*C.real + a.real*C.i// soma de complexos: a.real + C.real, a.i +C.iif (a.magnitude() > 1000) // magnitude = a.r*a.r + a.i*a.i
return 0;}return 1;
}
Versao em GPU (1)
Int main (void){
CPUBitmap bitmap (DIM, DIM);unsigned char *dev_bitmap;
cudaMalloc ( (void**)&dev_bitmap, bitmap.image_size() ) );
dim3 grid (DIM, DIM);
kernel <<<grid, 1>>> (dev_bitmap);
cudaMemcpy (bitmap.get_ptr(), dev_bitmapo, bitmap.image_size(), cudaMemcpyDeviceToHost ) );
bitmap.display_and_exit();
cudaFree (dev_bitmap);}
Versao em GPU (2)
__global__ void kernel (unsigned char *ptr){
int x = blockIdx.xint y = blockIdx.y;int offset = x+y*gridDim.x
int juliaValue = julia (x, y);
ptr[offset*3 +0] = 255 *juliaValue;ptr[offset*3 +1] = 255 *juliaValue;ptr[offset*3 +2] = 255 *juloaValue;
cudaMalloc ( (void**)&dev_bitmap, bitmap.image_size() ) );
}
Versao em GPU (3)
__device__ int julia (int x, int y){
cont float scale = 1.5;float jx = scale * (float) (DIM/2 – x)/(DIM/2);float jy = scale * (float) (DIM/2 – y)/(DIM/2);
// assumimos que o complexo C = -0.6, 0.121i// assumimos que o complexo a = jx, jy i ;
int i = 0;for (i=0; i<200; i++) {
a = a * a + c; // multiplicacao de complexos: a.real*C.real – a.i*C.i, a.i*C.real +
a.real*C.i// soma de complexos: a.real + C.real, a.i +C.iif (a.magnitude() > 1000) // magnitude = a.r*a.r + a.i*a.i
return 0;}return 1;
}
