GPU Computing Burim Kameri Fachhochschule Hannover (FHH)

Präsentation zum Thema: "GPU Computing Burim Kameri Fachhochschule Hannover (FHH)"—  Präsentation transkript:

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