GPGPUa zer den eta eredu hori baliatzen duten hainbat plataforma azaltzen dituen aurkezpena.

1. GPGPU programazioa
Txartel grafikoa erabiliz programatu
Mikel Iturbe Urretxa
UniEncounter, 2013ko Martxoak 21
Irudiaren egiletza: CC-BY 2.5 Christian Prade (cprade@Flickr)

2. Edukiak
Sarrera: GPUak
GPGPU
Plataforma desberdinak
OpenMP & OpenACC
CUDA
OpenCL
Non erabiltzen da?
2

3. <sarrera>
3

4. zer da txartel grafikoa?
4

5. “oinarrizko plakako zirrikituetako batean
konektatzen den barruko osagaia da. Bere
helburu nagusia monitoreari azaldu behar
diren datuak zuzen bidaltzea da.”
Iturria: CC-BY-SA 3.0 Euskarazko Wikipedia. http://eu.wikipedia.org/wiki/Txartel grafiko
5

6. zer da GPUa?
6

7. “a specialized electronic circuit designed to
rapidly manipulate and alter memory to
accelerate the building of images in a frame
buffer intended for output to a display”
Iturria: CC-BY-SA 3.0 Ingelesezko Wikipedia. http://en.wikipedia.org/wiki/Graphics processing unit
7

8. zerekin lotzen ditugu?
8

9. eboluzio handia
9

10. Jatorrizkoaren egiletza: GPLv3 Gang Garrison 2
10

11. Jatorrizkoaren egiletza: GPLv2 Xonotic
11

12. grafikoak
+
fisika
12

13. paraleloan aritzeko egokiak
13

14. </sarrera>
14

15. <gpgpu?>
15

16. denok ezagutzen dugun
adibidea
16

17. 17

18. Jatorrizkoaren egiletza: CC-BY-ND Pavol Davorsk´ (˜PAulie-SVK@devianART)
y
18

19. Jatorrizkoaren egiletza: CC-BY-SA 3.0 OpenStreetMap & Euskalmapa.com
19

20. Jatorrizkoaren egiletza: CC-BY-SA 3.0 OpenStreetMap, Euskalmapa.com & Amazon Web Services
20

21. Jatorrizkoaren egiletza: CC-BY-SA 3.0 Janine Arriaga
21

22. (3)
22

23. (1)
23

24. Jatorrizkoaen egiletza: CC-BY-SA 3.0 Janine Arriaga & Guudmorning!@Flickr
24

25. (2)
25

26. Jatorrizkoaren egiletza: CC-BY-SA 3.0 Janine Arriaga, Angelica Castillo & Chris Covarrubias
26

27. (3)
27

28. Jatorrizkoaren egiletza: CC-BY-SA 3.0 Nikki Ibanez
28

29. Jatorrizkoaren egiletza: CC-BY-SA 3.0 Christophe Dang Ngoc Chan & PD Charles B. King
29

30. (1)
30

31. Moore-ren legea
31

32. “bi urterik behin, zirkuitu integratuetako
transistore kopurua bikoiztu egiten da”
32

33. Jatorrizkoaren egiletza: CC-BY-SA 3.0 Wgsimon@Wikimedia Commons
33

34. eta erlojuaren maiztasuna?
34

35. Jatorrizkoaren egiletza: CPU DB. http://cpudb.stanford.edu/visualize/clock frequency
35

36. 36

37. zergatik?
37

38. Jatorrizkoaren egiletza: CC-BY-SA 3.0 RRZEicons@Wikimedia Commons & PD Clker.com
38

39. (2) & (3)
39

40. 40

41. Jatorrizkoaren egiletza: CC-BY 3.0 NVIDIA CUDA Programming Guide version 3.0
41

42. bakoitza bere lanerako egokia
42

43. GPGPU
hau baliatzen duen
programazio eredua
43

44. general-purpose computing on
graphics processing units
44

45. orotariko konputazioa grafikoak
prozesatzeko unitateetan
45

46. 46

47. </gpgpu?>
47

48. <arkitekturak>
48

49. (2)
49

50. (1)
50

51. begiztetan
zentratua
Jatorrizkoaren egiletza: CC-BY 2.5 Val Kerry (art makes me smile@Flickr)
51

52. <OpenMP & OpenACC>
52

53. industri-estandarrak
53

54. 54

55. adibidea
55

56. 1 int main ( int argc , char * argv []) {
const int N = 500;
3 int i , a [ N ];
// a [ N ] bete
5
for ( i = 0; i < N ; i ++)
7 a[i] = 2 * i;
9 return 0;
}
57

57. OpenMP
58

58. int main ( int argc , char * argv []) {
2 const int N = 500;
int i , a [ N ];
4 // a [ N ] bete
6 # pragma omp parallel for
for ( i = 0; i < N ; i ++)
8 a[i] = 2 * i;
10 return 0;
}
60

59. OpenACC
61

60. 1 int main ( int argc , char * argv []) {
const int N = 500;
3 int i , a [ N ];
// a [ N ] bete
5
# pragma acc parallel kernels
7 for ( i = 0; i < N ; i ++)
a[i] = 2 * i;
9
return 0;
11 }
63

61. zer paralelizatu nahi den
adierazten da
64

62. nola egiten den jakin beharrik
gabe
65

63. migrazioa errazagoa
66

64. OpenMP oso erabilia
OpenACC ez hainbeste
67

65. </OpenMP & OpenACC>
68

66. (2)
69

67. harietan
zentratua
Jatorrizkoaren egiletza: CC-BY 2.5 Val Kerry (art makes me smile@Flickr)
70

68. <CUDA>
71

69. sakonago
72

70. gpgpu produktu helduena
73

71. NVIDIAk garatua
74

72. eta propietarioa... :-(
75

73. <CUDAren egitura>
76

74. Jatorrizkoaren egiletza: CC-BY 3.0 Tosaka@Wikimedia Commons
77

75. kernelak
78

76. paraleloan exekutatuko diren
funtzioak
79

77. ezin dute baliorik bueltatu
80

78. global
81

79. CUDA C
82

80. e ´
Jatorrizkoaren egiletza: PD Clker.com & S´amas O Br´g´in
o a
83

81. Jatorrizkoaren egiletza: CC-BY 3.0 Tor proiektua
84

82. Jatorrizkoaren egiletza: CC-BY-SA 3.0 Ricardas.marozas@Wikimedia Commons
85

83. </CUDAren egitura>
86

84. eta kernelak exekutatzeko?
87

85. (1)
zeren gainean egingo du lan?
88

86. 89

87. cudaMalloc()
cudaFree()
cudaMemcpy()
90

88. (2)
nola exekutatuko da?
91

89. kernela<<<exek param>>>(f param)
92

90. hariak
blokeak
93

91. hariak
Jatorrizkoaren egiletza: CC-BY 3.0 Jorge Barrios (jorgebarrios@Wikimedia Commons)
94

92. 3D array bat
(dim3)
95

93. hardware-ak mugatzen du
kopurua
96

94. threadIdx
(threadIdx.x, threadIdx.y, threadIdx.z)
97

95. blokeak
98

96. hari taldeak
Jatorrizkoaren egiletza: CC-BY 2.5 Novita Estiti (verypurpleperson@Flickr)
99

97. 3D array bat
(dim3)
100

98. blockIdx
(blockIdx.x, blockIdx.y, blockIdx.z)
101

99. Jatorrizkoaren egiletza: CC-BY 2.5 Dennis Brekke (dbrekke@Flickr)
102

100. Jatorrizkoaren egiletza: CC-BY 3.0 NVIDIA CUDA Programming Guide version 3.0
103

101. kernela<<<hariak, blokeak>>>(f param)
104

102. (3)
eta harien arteko
koordinazioa?
105

103. memoria
106

104. Jatorrizkoaren egiletza: CC-BY 3.0 NVIDIA CUDA Programming Guide version 3.0
107

105. synchthreads()
108

106. adibidea
109

107. 1 int main ( int argc , char * argv []) {
const int N = 500;
3 int i , a [ N ] , b [ N ] , c [ N ];
// a eta b edukiz bete
5
for ( i = 0; i < N ; i ++)
7 c [ i ] = a [ i ]+ b [ i ];
9 return 0;
}
111

108. int main ( int argc , char * argv []) {
2 const int N = 500;
int a [ N ] , b [ N ] , C [ N ];
4 // a eta b edukiz bete
6 cudaMalloc (( void **) & d_a , N * sizeof ( int ) ) ;
cudaMalloc (( void **) & d_b , N * sizeof ( int ) ) ;
8 cudaMalloc (( void **) & d_c , N * sizeof ( int ) ) ;
10 cudaMemcpy ( d_a , a , N * sizeof ( int ) , c u d a M e m c p y H o s t T o D e v i c e ) ;
cudaMemcpy ( d_b , b , N * sizeof ( int ) , c u d a M e m c p y H o s t T o D e v i c e ) ;
12
dim3 hariak (25 , 10 , 1) ;
14 dim3 blokeak (2 , 1 , 1) ;
kernel < < < blokeak , hariak > > >(* d_a ,* d_b ,* d_c ) ;
16
cudaMemcpy (c , d_c , N * sizeof ( int ) , c u d a M e m c p y D e v i c e T o H o s t ) ;
18
cudaFree ( d_a ) ;
20 cudaFree ( d_b ) ;
cudaFree ( d_c ) ;
22
return 0;
24 }
113

109. __global__ kernel ( int * d_a , int * d_b , int * d_c ) {
2 int indizea = ( threadIdx . x + 25 * threadIdx . y ) * (
blockIdx . x + 1) ;
d_c [ indizea ] = d_a [ indizea ] + d_b [ indizea ];
4 }
115

110. tresnak
116

111. nvcc
117

112. CUDA-GDB
118

113. </CUDA>
119

114. <OpenCL>
120

115. GPGPUrako estandar irekia
121

116. kodea hainbat gailutan
exekutatu daiteke
122

117. C99
123

118. CUDArekin antzekotasunak eta
desberdintasunak
124

119. maila baxuagokoa
125

120. oraindik ez CUDA bezain osoa
baina...
126

121. etorkizuna izango da
127

122. </OpenCL>
128

123. </arkitekturak>
129

124. <non? zelan? zertarako?>
130

125. Jatorrizkoaren egiletza: c NVIDIA
131

126. Jatorrizkoaren egiletza: CC-BY 2.5 ChrisDag@Flickr
132

127. Jatorrizkoaren egiletza: PD AEBko energia departamendua
133

128. baita gailu txikiagotan ere
134

129. Jatorrizkoaren egiletza: CC-BY 2.5 Android Open Source Project, CC-BY 2.0 Robert Nelson & c NVIDIA
135

130. segurtasunaren esparruan...
136

131. WPA, hash... “ikuskaritza”
137

132. </non? zelan? zertarako?>
138

133. eskerrik asko.
139

134. lizentzia: CC-BY 3.0
http://creativecommons.org/licenses/by/3.0/deed.eu
(kontrakoa adierazita duten irudiena izan ezik.)
LTEXeko Beamer klase librearekin eginiko aurkezpena
A
http://slideshare.net/janfri
http://hamahiru.org
mikel@hamahiru.org
pgp gakoa: 0x8141DED2
@azken tximinoa
140