Programování GPU od společnosti NVIDIA – rozšířený kurz Počítačový Kurz

Úvod

Základy metodologie heterogenního výpočtu

Proč paralelní výpočty? Důvody pro jejich využití

Vícejádrové procesory – architektura a konstrukce

Úvod do vláken, základních principů vláken a základů paralelního programování

Základy optimalizace softwaru na GPU

OpenMP – standard pro direktivně řízené paralelní programování

Praktická ukázka různých programů na vícejádrových systémech

Úvod do výpočtů s využitím GPU

GPU pro paralelní zpracování dat

Programovací model pro GPU

Praktická ukázka různých programů na GPU

SDK, nástroje a nastavení vývojového prostředí pro práci s GPU

Práce s různými knihovnami

Demonstrace možností GPU a nástrojů na ukázkových programech včetně OpenACC

Základy programovacího modelu CUDA

Architektura platformy CUDA

Nastavení vývojového prostředí pro CUDA

Práce s rozhraním API v reálném čase v rámci CUDA

Model paměti v systému CUDA

Další funkce a možnosti API v systému CUDA

Efektivní přístup k globální paměti: optimalizace přenosů dat v CUDA

Optimalizace přenosů dat pomocí proudů v systému CUDA

Využití sdílené paměti v systému CUDA

Atomické operace a instrukce v systému CUDA – jejich využití

Případová studie: Základní zpracování digitálních obrazů s využitím CUDA

Programování s více GPU současně

Pokročilé profilování hardwaru a analýza výkonu na platformách NVIDIA/CUDA

Dynamické spouštění kernelů pomocí rozhraní CUDA Dynamic Parallelism API

Shrnutí a závěry