Primeros pasos con CUDA

Clase 1

Ejemplo: suma de vectores

● Comencemos con un ejemplo sencillo: suma de vectores.– Sean A, B y C vectores de dimensión N, la suma se define como:

– C = A + B donde Ci = Ai + Bi

– Esta operación suma cada elemento de A y B se almacena en C.

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1

c0 c1 c2

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1

c0 c1 c2 c3 cN-1

+ + + +

Suma de vectores solución I/*

Suma de vectores secuencial

vector_ops.cu

/* Suma de vectores (inplace) */int vector_ops_suma_sec(float *v1, float *v2, int dim){ for (int i = 0; i < dim; i++) { v1[i] = v1[i] + v2[i]; }

return 1;}

vector_ops.cu

Suma de vectores solución I/*

Suma de vectores secuencial

vector_ops.cu

/* Suma de vectores (inplace) */int vector_ops_suma_sec(float *v1, float *v2, int dim){ for (int i = 0; i < dim; i++) { v1[i] = v1[i] + v2[i]; }

return 1;}

Complejidad computacional lineal: O(N) donde N es la dimensión de los arreglos.

vector_ops.cu

Suma de vectores solución I

Tiene orden de complejidad lineal, al aumentar el número de elementos aumenta linealmente la cantidad de operaciones.

Para vectores pequeños la solución es correcta.

Para vectores muy grandes este tipo de solución puede ocasionar penalizaciones en el tiempo de cómputo.

Suma de vectores

● ¿Cómo sería una solución paralela?

Se puede paralelizar la suma → el cálculo de cada elemento del vector resultante es independiente de los demás elementos del vector:

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1…

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1…

Si en vez de un único procesador disponemos P procesadores, dividimos los cálculos entre los P procesadores.

Se puede paralelizar la suma → el cálculo de cada elemento del vector resultante es independiente de los demás elementos del vector:

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1…

c0 c1 c2 c3 cN-1

Si contamos con N procesadores, realizamos todos los cálculos al mismo tiempo. + + + + + + +

Se puede paralelizar la suma, → el cálculo de cada elemento del vector resultante es independiente de los demás elementos del vector:

c0 c1 c2 c3 cN-1…

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1…

c0 c1 c2 c3 cN-1…

Si contamos con N procesadores, realizamos todos los cálculos al mismo tiempo. + + + + + + +

De orden lineal a orden constante

Se puede paralelizar la suma, → el cálculo de cada elemento del vector resultante es independiente de los demás elementos del vector:

Y se resuelve en paralelo todos losresultados del vector.

Entonces...

Tengo una PC re linda...

Entonces...

Tengo una GPU que me dicen que es re linda...

Entonces...

Tengo dos vectores para sumar...

Entonces...

Tengo dos vectores para sumar...

¿¿Cómo utilizo estas arquitecturas para solucionar

mi problema??

CUDA (Compute Unified Device Architecture)

En Noviembre de 2006 NVIDIA introduce CUDA que hace referencia tanto a un compilador como a un conjunto de

herramientas de desarrollo creadas por NVIDIA.

CUDA es una arquitectura de software y hardware que permite a GPUs ejecutar programas escritos en C, C++,

Fortran, DirectCompute y otros lenguajes.

Un programa CUDA es un programa híbrido: – Código secuencial → se ejecuta en CPU

– Código paralelo → se ejecuta en GPU

Un programa CUDA es un programa híbrido: – Código secuencial → se ejecuta en CPU

– Código paralelo → se ejecuta en GPU

Código secuencialInicializaciones

Lectura de datos de entrada

Código paralelo

Código secuencialMuestra de resultados

Almacenamiento de resultados

Modelo SIMD - STMD

CUDA ● Cómo es la parte paralela de la aplicación?

● Un programa CUDA invoca a funciones paralelas

llamadas kernels. En CUDA: Kernel = función.● Un kernel se ejecuta en paralelo a

través threads paralelos.

CUDA ● Cómo es la parte paralela de la aplicación?

El programador decide:

“el kernel A será ejecutado por n threads”

● Un programa CUDA invoca a funciones paralelas

llamadas kernels. En CUDA: Kernel = función.● Un kernel se ejecuta en paralelo a

través threads paralelos.

+ + + + + + +

Con n threads que cada uno sumeun elemento del vector resultante, consigo ejecutar la suma de vectores en un único paso !!

● Un programa CUDA invoca a kernels paralelos. ● Un kernel se ejecuta en paralelo a través threads paralelos.

Múltiples threads ejecutandoel mismo kernel.

+ + + + + + +

● Tenemos programas CUDA híbridos, que se ejecutan en CPU y GPU.

● Tenemos dos arquitecturas que se conectan mediante un conector PCI-Express (no comparten espacio de direccionamiento)

Suma de vectores

¿Cómo lo hacemos con CUDA? ● Este problema ahora implica:

– Inicialización de arreglos en CPU

– Transferencia de datos CPU → GPU

Suma de vectores

– Cálculo de la suma en paralelo.

Suma de vectores

– Cálculo de la suma en paralelo.

– Transferencia de datos GPU → CPU.

Suma de vectores

– Cálculo en GPU.

– Transferencia de datos GPU → CPU.

Modelo de programación

Modelo de programación CUDA

CUDA extiende al lenguaje C/C++ incluyendo dos característicasprincipales:

- Organización y manejo de threads concurrentes.

- Manejo de jerarquía de memorias instaladas en la GPU.

● Jerarquía de threads:– thread,

- Organización y manejo de threads concurrentes.

thread

– bloque,

- organización y manejo de threads concurrentes.

thread

bloque 1, 2 o 3 dimensiones

– bloque

– grilla.

- organización y manejo de threads concurrentes.

thread

bloque

grilla

1, 2 o 3 dimensiones

Grid 1

Block (0,0)

Block (2,0)

Block (1,0)

Block (0,0)

Block (1,0)

Grid 2

Block (0,1)

Block (1,1)

grilla

● Memorias: – Privada de cada thread.

- Manejo de jerarquía de memorias instaladas en la GPU

Memoria localde thread

– Compartida por bloque.

Memoria compartidade bloque

– Compartida por bloque.

– Global de toda la aplicación

Grid 1

Block (0,0)

Block (2,0)

Block (1,0)

Block (0,0)

Block (1,0)

Grid 2

Block (0,1)

Block (1,1)

Memoria compartidade bloque

Memoria global

● CUDA ofrece distintas memorias con distintas características:

– Registros

– Memoria compartida

– Memoria global

– Memoria constante.

● Algunas de ellas están en caché.

● Memoria Global: es la más grande y la más lenta. Puede ser leída y escrita por la CPU y por los threads de GPU. Permite comunicar datos entre CPU y GPU. El patrón de acceso a memoria por los threads puede afectar el rendimiento.

● Memoria Constante: es parte de la memoria global. CPU puede leer y escribir, y es sólo de lectura para GPU threads. Ofrece mayor ancho de banda cuando grupos de threads acceden al mismo dato.

● Memoria compartida: es pequeña y muy rápida y es compartida por todos los threads de un bloque. Es de lectura/escritura por los threads. Puede comunicar datos entre threads del mismo bloque. Puede verse afectada por el patrón de acceso de los threads.

● Registros: cada thread utiliza su propio conjunto de registros. El programador no tiene control explícito de los registros, y son utilizados para la ejecución de programas de la misma forma que los registros de propósito general de CPU.

● Memoria local: es usada por el compilador automáticamente para alojar variables cuando hace falta.

● Memoria de textura: es controlada por el programador y puede beneficiar aplicaciones con localidad espacial donde el acceso a memoria global es un cuello de botella.

Suma de vectores/*

Main.cu: suma de vectores. Código que se ejecuta en host.

main.cu

int main(){ /* alocacion de memoria en host */ float *h_A = (float *) malloc(N * sizeof(float)); float *h_B = (float *) malloc(N * sizeof(float)); float *h_aux = (float *) malloc(N * sizeof(float));

/* alocacion de memoria en device */ float *d_A, *d_B; cudaMalloc((void**)&d_A, sizeof(float) * N); cudaMalloc((void**)&d_B, sizeof(float) * N);

/* chequeo de alocacion de memoria */ if (!h_A || !h_B || !d_A || !d_B || !h_aux) { printf("Error alocando vectores \n"); exit(-1); }

main.cu

Suma de vectores/*

Alocación de memoria dinámica en host

main.cu

Suma de vectores/*

Alocación de memoria en device

main.cu

Aloca n bytes en memoria globaldel device los cuales serán apunta-dos por d_A (d_B respectivamente)

Suma de vectores/*

main.cu

Suma de vectores/*

Continuación del código anterior

/* inicializacion de vectores */ printf("Inicializacion vector A \n"); vector_io_initializeRND(h_A, N); printf("Inicializacion vector B \n"); vector_io_initializeRND(h_B, N);

/* transferencia de datos cpu -> gpu (host -> device) */ cudaMemcpy(d_A, h_A, sizeof(float) * N, cudaMemcpyHostToDevice); cudaMemcpy(d_B, h_B, sizeof(float) * N, cudaMemcpyHostToDevice);

main.cu

Suma de vectores/*

Continúa código anterior

main.cu

Suma de vectores/*

Memoriaprincipal

Memoriaglobal

main.cu

Suma de vectores/*

Memoriaprincipal

Memoriaglobal

main.cu

Suma de vectores/*

Copia datos dehost a device

Memoriaprincipal

Memoriaglobal

main.cu

Suma de vectores/*

Copia datos dehost a device

main.cu

cudaMemcpy(destino, origen, size, DIRECCION_COPIA)

Copia size bytes desde la dirección origen a la direccióndestino en la memoria global. DIRECCION_COPIA indicael sentido de la copia: - cudaMemcpyHostToHost. - cudaMemcpyHostToDevice. - cudaMemcpyDeviceToHost. - cudaMemcpyDeviceToDevice.

Suma de vectores/*

Memoriaprincipal

Memoriaglobal

Tenemos los datos alocados en memoria principal de la CPU y en memoria global de GPU.

Estamos listos para operar en device.

main.cu

Suma de vectores/*

Main.cu: continuación del código.

main.cu

/* suma secuencial */ printf("Suma secuencial (CPU)\n"); suma_secuencial(h_A, h_B, N);

/* suma paralela */ printf("Suma paralela (GPU) \n"); suma_paralela(d_A, d_B, N);

/* traigo los datos desde GPU a CPU para testear la suma */ cudaMemcpy(h_aux, d_A, sizeof(float) * N, cudaMemcpyDeviceToHost);

if(vector_ops_iguales(h_aux, h_A, N)) printf("Test pasado! \n"); else printf("Test no pasado! \n");

/* liberacion de memoria */ free(h_A); free(h_B); free(h_aux); cudaFree(d_A); cudaFree(d_B);

return 0;}

Suma de vectores/*

return 0;}

Función secuencial, ya vista

main.cu

Suma de vectores/*

return 0;}

Función paralela

main.cu

Suma de vectores/*

Función que invoca al kernel (desde CPU se invoca a kernel (GPU))

*//* Suma de vectores. Resultado queda en el primer argumento */int vector_ops_suma_par(float *v1, float *v2, int dim){ dim3 nThreads(512); dim3 nBlocks((dim / nThreads.x) + (dim % nThreads.x ? 1 : 0));

kernel_suma<<<nBlocks, nThreads>>>(v1, v2, dim);

cudaDeviceSynchronize();

return 1;}

vector_ops.c

Suma de vectores/*

Configuracióndel grid

/* Suma de vectores. Resultado queda en el primer argumento */int vector_ops_suma_par(float *v1, float *v2, int dim){ dim3 nThreads(512); dim3 nBlocks((dim / nThreads.x) + (dim % nThreads.x ? 1 : 0));

return 1;}

vector_ops.c

Variables de tipo dim3: vector de 3 enteros que se usa para especificar dimensiones. Componentes x, y, z. Si algún componente no se inicializa → 1.

Suma de vectores/*

return 1;}

vector_ops.c

nThreads → especificará cantidad de threads por bloque.nBlocks → especificará cantidad de bloques en el grid

Suma de vectores/*

return 1;}

vector_ops.c

nThreads → especificará cantidad de threads por bloque (bloques de 1, 2 o 3 dimensiones).nBlocks → especificará cantidad de bloques en el grid (grids de 1, 2 o 3 dimensiones)

¿Cómo queda configurado el grid?

● Kernel 1:– dim3 dimGrid(3,2)

– dim3 dimBlock(5,3)

● Kernel 2:– dim3 dimGrid(4,3)

– Dim3 dimBlock(?,?,?)

Suma de vectores/*

Función (se ejecuta en CPU) que invoca al kernel (se ejecuta en GPU)

Lanzamientodel kernel

return 1;}

vector_ops.c

Suma de vectores/*

Lanzamientodel kernel

return 1;}

vector_ops.c

nombre_Kernel<<<número de bloques, threads por bloque>>>(parámetros actuales);

Suma de vectores/*

Kernel

return 1;}

/* suma de cada elemento del vector */__global__ void kernel_suma(float *v1, float *v2, int dim){ int id = threadIdx.x + (blockIdx.x * blockDim.x);

if (id < dim) { v1[id] = v1[id] + v2[id]; }}

vector_ops.c

Suma de vectores/*

return 1;}

vector_ops.c

__global__: calificador de función

Calificadores de funciones:

__global__: determina que es una función kernel, se ejecuta en el dispositivo y sólo puede ser invocada desde el host. Su invocación genera un grid de bloques con número fijo e igual de threads.

__device__ : es una función del dispositivo, se ejecuta en él y sólo puede ser invocada desde un kernel u otra función del dispositivo.

__host__ : determina que es una función del host, o simplemente una función de C tradicional a ejecutarse en host y que puede ser invocada desde host. Por omisión.

Suma de vectores/*

vector_ops.c

return 1;}

Variables reservadas:

gridDim: contiene las dimensiones del grid.

blockIdx : contiene el identificador del bloque en un grid.

blockDim: contiene las dimensiones del bloque.

threadIdx: contiene el identificador del thread dentro del bloque.

Todas tienen componentes x,y,z.

Grids y bloques de 1, 2 o 3 dimensiones.

Suma de vectores/*

vector_ops.c

return 1;}

Suma de vectores/*

vector_ops.c

return 1;}

Cada thread resuelveun único elemento delvector.

Suma de vectores/*

main.cu

return 0;}

Suma de vectores/*

main.cu

return 0;}

Suma de vectores/*

main.cu

return 0;}

Suma de vectores/*

main.cu

return 0;}

Suma de vectores

a0 a1 a2 a3 aN-1

b0 b1 b2 b3 bN-1…

c0 c1 c2 c3 cN-1…

+ + + + + + +

De orden lineal a orden constante!!

Y se resuelve en paralelo todos losresultados del vector.

th0 th1 th2 th3 thN-1…

No todos los problemas pueden ser resueltos usando placas de tipo GPU.

Los más adecuados son los que aplican la misma secuencia de código a los datos de entrada.

Ganaremos con GPU si:

El algoritmo tiene orden de ejecución cuadrático o superior: compensar el tiempo de transferencia de datos CPU – GPU.

Gran carga de cálculo en cada thread (por lo mismo que el itemanterior).

Poca dependencia de datos. Independencia de cómputo. Puede llevar aacceso a su memoria local o compartida y evita acceder a la global (costosa).

Mínima transferencia de datos CPU-GPU: óptimo: principio y final. Evitar tranferencias intermedias, ya sean para resultados parcialeso datos de entrada intermedios.

No existan secciones críticas: lecturas paralelas a datos, pero no escrituras: necesitamos mecanismos de acceso seguro → secuen-cialización de accesos.

Resumen

Hemos visto: - Alocación de memoria en device.- Transferencia de memoria host ↔ device.- Configuración de grid.- Lanzamiento de kernels.

Todas estas operaciones las ofrece CUDA como una libreríaque extiende al lenguaje C (en este caso).

Probando el código

1) Copiar la carpeta /share/apps/codigos/SUMA-Vectores a la carpeta personal:

[mdenham@gpgpu-fisica ~]$ cp -a /share/apps/codigos/SUMA-Vectores/ .

2) Para compilar: los paquetes de compiladores/ bibliotecas se usan via el comando module. Para compilar con CUDA debemos cargar el módulo:

[mdenham@gpgpu-fisica SUMA-Vectores]$ module load cuda

Entrar a la carpeta local SUMA-Vectores y compilar:

[mdenham@gpgpu-fisica SUMA-Vectores]$ cd SUMA-Vectores[mdenham@gpgpu-fisica SUMA-Vectores]$ make

Probando el código

3) Ejecutar la aplicación: encolamos el ejecutable main usando el scriptsubmit_gpuh.sh:

[mdenham@gpgpu-fisica ~]$ qsub submit_gpuh.sh

4) Para consultar el estado de los trabajos lanzados:

[mdenham@gpgpu-fisica SUMA-Vectores]$ qstat -f [mdenham@gpgpu-fisica SUMA-Vectores]$ qstat -u '*'

5) Verificar resultados: ver los resultados en submit_gpuh.sh.o*****

[mdenham@gpgpu-fisica SUMA-Vectores]$ cat submit_gpuh.sh.o***

Primeros pasos con CUDA -...

Transcript of Primeros pasos con CUDA -...

Primeros pasos con CUDA -...

Documents

Transcript of Primeros pasos con CUDA -...

MISMO código Corre en CPU Multicore!!fisica.cab.cnea.gov.ar/gpgpu/images/2017/clase_cusp.pdf · No necesitan el cuda toolkit ni una GPU para desarrollar, ... Formatos para matrices

Guia de GPU

GPGPU programazioa: Txartel grafikoa erabiliz programatu

Soluções aproximadas para algoritmos escaláveis de ...€¦ · GPGPU General Purpose computing on Graphics Processing Unit. GPU Graphics Processing Unit. iSAX indexable Symbolic

Cpu Fpu Gpu Apu

Teoria acerca de CUDA

Monitor y GPU´s

Programación de una GPU con CUDAdis.um.es/~domingo/apuntes/PPCAP/1718/PAM_2017_01_CUDA_ba… · Programación de una GPU con CUDA Univ. De Murcia. - 28 Programación de Arquitecturas

Optimización de aplicaciones GPU

CUDA en Fortran

Análisis de tres GPU

Cjharris Gpu Computing Opencl

Presentación de PowerPoint · 2020. 5. 15. · Clase 9 –Arquitecturas post-Kepler GPGPU Arquitectura CUDA –Kepler Kepler Maxwell Pascal Volta Transistores 3.54 bill 5.2 bill

CUDA C/C++: Guía de instalación

Gpu Cod 2008252147 Andres Torres

Simulaciones de Física Estadística usando GPGPU: tres … · CUDA Driver Version / Runtime Version 4.2 / 4.1 CUDA Capability Major/Minor version number: 2.0 Total amount of global

GPU: Arquitectura - fisica.cab.cnea.gov.arfisica.cab.cnea.gov.ar/gpgpu/images/clases/clase_3_arquitectura... · En las GPUs, la mayor parte de la arquitectura está dedicada a cómputo

Investigación - Programación en paralelo GPGPU … · 107 Investigación Programación en paralelo GPGPU del método en diferencias finitas FTCS para la ecuación del calor FTCS

GPGPUs General Purpose GPUs. GPGPUs - AMD Fusion - Nvidia CUDA - Intel Nehalem - AMD Fusion - Nvidia CUDA - Intel Nehalem.

GPGPU - Laboratorio 4