Προγραμματισμός GPU με OpenCL Κομμάτι εκπαίδευσης

Εισαγωγή

• Τι είναι το OpenCL;
• OpenCL έναντι CUDA έναντι SYCL
• Επισκόπηση των δυνατοτήτων και της αρχιτεκτονικής του OpenCL
• Διαμόρφωση του Περιβάλλοντος Ανάπτυξης

Ξεκινώντας

• Δημιουργία νέου έργου OpenCL χρησιμοποιώντας Visual Studio Code
• Εξερεύνηση της δομής του έργου και των αρχείων
• Μετάφραση και εκτέλεση του προγράμματος
• Εμφάνιση της εξόδου χρησιμοποιώντας printf και fprintf

API του OpenCL

• Κατανόηση του ρόλου του API του OpenCL στο πρόγραμμα της κεντρικής μηχανής
• Χρήση του API του OpenCL για την ερώτηση πληροφοριών συσκευής και δυνατοτήτων
• Χρήση του API του OpenCL για τη δημιουργία συνεδριών, ουρών εντολών, buffers, kernels και γεγονότων
• Χρήση του API του OpenCL για την εντοπίσει εντολών, όπως ανάγνωση, εγγραφή, αντιγραφή, χαρτογράφηση, απεξαρτώμενη χαρτογράφηση, εκτέλεση και αναμονή
• Χρήση του API του OpenCL για τη διαχείριση σφαλμάτων και εξαιρέσεων

OpenCL C

• Κατανόηση του ρόλου της OpenCL C στο πρόγραμμα της συσκευής
• Χρήση της OpenCL C για τη δημιουργία kernels που εκτελούνται στη συσκευή και χειρίζονται δεδομένα
• Χρήση τύπων δεδομένων, προσδιοριστικών, τελεστών και εκφράσεων της OpenCL C
• Χρήση εσωτερικών συναρτήσεων OpenCL C, όπως μαθηματικές, γεωμετρικές, σχετικές, κ.λπ.
• Χρήση επεκτάσεων και βιβλιοθηκών OpenCL C, όπως ατομικές, εικόνες, cl_khr_fp16, κ.λπ.

Μοντέλο Μνήμης του OpenCL

• Κατανόηση της διαφοράς μεταξύ των μοντέλων μνήμης της κεντρικής μηχανής και της συσκευής
• Χρήση χώρων μνήμης OpenCL, όπως παγκόσμια, τοπική, σταθερή και ιδιωτική
• Χρήση αντικειμένων μνήμης OpenCL, όπως buffers, εικόνες και σωλήνες
• Χρήση τρόπων πρόσβασης μνήμης OpenCL, όπως μόνο-ανάγνωση, μόνο-εγγραφή, ανάγνωση-εγγραφή, κ.λπ.
• Χρήση μοντέλου συνέπειας μνήμης OpenCL και μηχανισμών συγχρονισμού

Μοντέλο Εκτέλεσης του OpenCL

• Κατανόηση της διαφοράς μεταξύ των μοντέλων εκτέλεσης της κεντρικής μηχανής και της συσκευής
• Χρήση στοιχείων εργασίας, ομάδων εργασίας και ND-ranges του OpenCL για τον ορισμό της παράλληλης επεξεργασίας
• Χρήση συναρτήσεων στοιχείων εργασίας OpenCL, όπως get_global_id, get_local_id, get_group_id, κ.λπ.
• Χρήση συναρτήσεων ομάδων εργασίας OpenCL, όπως barrier, work_group_reduce, work_group_scan, κ.λπ.
• Χρήση συναρτήσεων συσκευής OpenCL, όπως get_num_groups, get_global_size, get_local_size, κ.λπ.

Επιδιόρθωση Σφαλμάτων

• Κατανόηση των συνηθισμένων σφαλμάτων και bugs στα προγράμματα OpenCL
• Χρήση του επιδιορθωτή σφαλμάτων του Visual Studio Code για ελέγχο μεταβλητών, σημείων διάλειψης, στοίβα κλήσεων, κ.λπ.
• Χρήση του CodeXL για επιδιόρθωση σφαλμάτων και ανάλυση προγραμμάτων OpenCL σε συσκευές AMD
• Χρήση του Intel VTune για επιδιόρθωση σφαλμάτων και ανάλυση προγραμμάτων OpenCL σε συσκευές Intel
• Χρήση του NVIDIA Nsight για επιδιόρθωση σφαλμάτων και ανάλυση προγραμμάτων OpenCL σε συσκευές NVIDIA

Βελτιστοποίηση

• Κατανόηση των παραγόντων που επηρεάζουν την απόδοση των προγραμμάτων OpenCL
• Χρήση τύπων διανυσμάτων δεδομένων OpenCL και τεχνικών διανυσματικοποίησης για βελτίωση της αρίθμητης απόδοσης
• Χρήση τεχνικών ανάπτυξης βρόχων και tileing βρόχων OpenCL για μείωση του ελέγχου του κόστους και αύξηση της τοπικότητας
• Χρήση τοπικής μνήμης και συναρτήσεων τοπικής μνήμης OpenCL για βελτιστοποίηση των προσβάσεων μνήμης και της ζώνης
• Χρήση προφίλ και εργαλείων προφίλ OpenCL για μέτρηση και βελτίωση του χρόνου εκτέλεσης και της εκμετάλλευσης πόρων