Corso di formazione Programmazione di GPU con NVIDIA - Approfondimenti

Introduzione

Il concetto fondamentale della metodologia del calcolo eterogeneo

Perché il calcolo parallelo? L’importanza del calcolo parallelo

Processori multi-core: architettura e progettazione

Introduzione ai thread, nozioni base sui thread e concetti fondamentali della programmazione parallela

Nozioni di base sui processi di ottimizzazione software per le GPU

OpenMP: standard per la programmazione parallela basata su direttive

Esercitazioni pratiche e dimostrazioni su macchine dotate di più core

Introduzione al calcolo con le GPU

L’uso delle GPU nel calcolo parallelo

Il modello di programmazione delle GPU

Esercitazioni pratiche e dimostrazioni su piattaforme dotate di GPU

SDK, toolkit e configurazione dell’ambiente di sviluppo per le GPU

Lavorare con diverse librerie dedicate alle GPU

Demonstrazioni pratiche di funzionalità delle GPU e strumenti tramite esempi di programmazione e OpenACC

Concetti base del modello di programmazione CUDA

L’architettura di CUDA spiegata nei dettagli

Configurazione degli ambienti di sviluppo per CUDA

Utilizzo dell’API runtime di CUDA

Nozioni riguardanti il modello di memoria in CUDA

Approfondimento delle funzionalità aggiuntive dell’API CUDA

Ottimizzazione dell’accesso alla memoria globale in CUDA: tecniche per migliorarne l’efficienza

Ottimizzazione dei trasferimenti di dati in CUDA tramite i flussi di lavoro (CUDA streams)

L’utilizzo della memoria condivisa in CUDA

Nozioni riguardanti le operazioni atomiche e le istruzioni all’interno di CUDA

Caso pratico: elaborazione base delle immagini digitali mediante CUDA

Programmazione multi-GPU: concetti ed esempi applicativi

Analisi avanzata delle prestazioni hardware e tecniche di campionamento in ambienti NVIDIA/CUDA

Utilizzo dell’API CUDA Dynamic Parallelism per l’avvio dinamico dei kernel

Sintesi e conclusioni del corso