[Udemy] Освоение параллельного программирования на GPU с CUDA: [HW & SW] [Hamdy egy]

Освоение параллельного программирования
Оптимизация и анализ производительности для высокопроизводительных вычислений

Это практический курс, который показывает, как использовать огромную мощность параллельной обработки современных GPU с помощью CUDA. Вы начнёте с основ аппаратной части GPU, проследите эволюцию ключевых архитектур — Fermi, Pascal, Volta, Ampere, Hopper — и через практические задания научитесь писать, профилировать и оптимизировать высокопроизводительные CUDA kernels.

Это независимый обучающий материал. Он не спонсируется, не одобрен и не аффилирован с NVIDIA Corporation. Названия CUDA, Nsight и кодовые названия архитектур являются товарными знаками NVIDIA и используются только в справочных целях.

Чему вы научитесь:

• получите комплексное понимание архитектуры GPU по сравнению с CPU
• изучите историю графических процессоров GPU вплоть до самых современных решений
• разберётесь во внутренней структуре GPU
• поймёте различные типы памяти и их влияние на производительность
• изучите современные технологии внутренних компонентов GPU
• освоите основы программирования CUDA на GPU
• начнёте писать программы для GPU с использованием CUDA в Windows и Linux
• поймёте наиболее эффективные способы распараллеливания
• освоите профилирование и настройку производительности
• научитесь использовать shared memory

Что вы освоите:

• основы различий GPU и CPU и причины доминирования GPU в задачах параллельной обработки данных
• развитие архитектур GPU по поколениям и аппаратные особенности, влияющие на производительность
• установку CUDA Toolkit в Windows, Linux и WSL
• базовые концепции CUDA: threads, blocks, grids и иерархия памяти
• профилирование и оптимизацию через Nsight Compute и nvprof
• двумерную индексацию для работы с матрицами
• методы оптимизации: работа с данными, размер которых не равен степени двойки, использование shared memory, повышение пропускной способности, снижение warp divergence
• отладку и обработку ошибок через runtime API checks

К концу курса вы сможете проектировать, анализировать и тонко настраивать CUDA kernels, которые эффективно работают на современных GPU и подходят для сложных научных, инженерных и AI-задач.

Для кого этот курс:

• для всех, кто интересуется GPU и CUDA
• для студентов инженерных направлений
• для исследователей
• для всех, кто хочет глубже разобраться в параллельном программировании на GPU

Требования:

• базовые знания C и C++
• базовые знания Linux и Windows
• базовые знания архитектуры компьютера

Содержание курса:

• 12 разделов
• 58 лекций
• 23 ч 3 мин общей продолжительности

Программа курса:

Введение в аппаратную часть Nvidia GPU

• GPU vs CPU
• История Nvidia: как компания начала доминировать в секторе GPU
• Связь архитектур и поколений: Hopper, Ampere, GeForce, Tesla
• Как определить архитектуру и поколение
• Разница между GPU и чипом GPU
• Архитектуры и соответствующие им чипы
• Архитектуры Nvidia GPU от Fermi до Hopper
• Параметры для сравнения разных архитектур
• Half, single и double precision operations
• Compute capability и использование GPU
• Volta, Ampere, Pascal, SIMD

Установка CUDA и других программ

• Какие возможности устанавливаются вместе с CUDA Toolkit
• Установка CUDA в Windows
• Установка WSL для использования Linux в Windows
• Установка CUDA Toolkit в Linux

Введение в программирование на CUDA

• GitHub-репозиторий курса
• Сопоставление программной части CUDA с аппаратной частью
• Hello World program: threads и blocks
• Компиляция CUDA в Linux
• Hello World program: Warp_IDs
• Сложение векторов и шаги для любого CUDA-проекта
• Индексация блоков и потоков
• Уровни параллелизма при работе с очень большими векторами

Профилирование

• Получение свойств устройства через Runtime API
• Nvidia-smi и его конфигурации
• Occupancy и скрытие задержек на GPU
• Количество активных блоков на один SM
• Сколько блоков можно выполнять одновременно на одном SM
• Начало работы с Nsight Compute
• Инструменты профилирования Nvidia: Nsight Systems, Nsight Compute, nvprof
• API для проверки ошибок
• Анализ производительности через командную строку
• Графический Nsight Compute в Windows и Linux

Анализ производительности предыдущих приложений

• Анализ производительности
• Сложение векторов с размером, не являющимся степенью двойки

Двумерная индексация

• Сложение матриц с использованием двумерных блоков и потоков
• Почему L1 hit-rate равен нулю

Shared Memory и Warp Divergence

• Shared memory
• Quiz 1
• Warp divergence

Инструменты отладки

• Отладка с использованием Visual Studio

Vector Reduction

• Vector reduction только с использованием global memory
• Разбор кода и профилирование vector reduction
• Оптимизация vector reduction
• Race condition и возможности отладки
• Оптимизация использования потоков
• Оптимизация через shared memory и unrolling
• Оптимизация через shuffle operations

Roofline Model

• Roofline analysis: приложения, ограниченные вычислениями и памятью