Präsentation herunterladen
Die Präsentation wird geladen. Bitte warten
Veröffentlicht von:Jutte Langer Geändert vor über 10 Jahren
1
GPU Computing Burim Kameri Fachhochschule Hannover (FHH)
Institut für Solarforschung Hameln (ISFH)
2
Inhalt Sequentielle vs. parallele Programmierung GPU GPGPU
CUDA, OpenCL, etc. Problemstellung Beispiele Optimierung GPU - Computing
3
Motivation GPU - Computing
4
Motivation: Beispiel
5
Sequentielle vs. parallele Programmierung
Sequentielle Programmierung Quelle: GPU - Computing
6
Sequentielle vs. parallele Programmierung
Quelle: GPU - Computing
7
GPGPU - OpenCL Zusätzliche Verwendung der GPU für allgemeine Aufgaben
Quelle: CUDA C Programming Guide Quelle: GPU - Computing
8
Beispiel (Matrix-Skalar-Multiplikation)
CPU GPU (OpenCL) void multMatrix(float* A, float c, float* B) { for( i = 0;i < 225;i++ ) { B[i] = A[i] * c; } __kernel__ void multMatrix(float* A, float c, float* B) { int idx = get_global_id(0); B[idx] = A[idx] * c; } GPU - Computing
9
Optimierung GPU - Computing
10
Optimierung
11
Zusammenfassung Aufteilung des Domänenproblems
Tieferes Verständnis des Domänenproblems nötig Wissen über das Programmiermodell work-items, work-groups, Kernels, Speicherhirachien, etc. Synchronisierung Tiefes Wissen über die GPU-Architektur Shared Memory Kontrollstrukturen mit bedingten Verzweigungen vermeiden GPU - Computing
12
Dankeschön! Fragen? GPU - Computing
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.