Utilisation avancée des processeurs graphiques avec Qt

Utilisation avancée des processeurs graphiques avec Qt par Rémi Achard Guillaume Belz
On a donc deux contraintes importantes à ce niveau avec l'approche GPU Computing : il faut que l'algorithme utilisé
soit parallélisable et il faut que le rapport temps de calcul / temps de transfert soit maximum. On comprend donc
bien l'importance de bien choisir quelle partie du code optimiser et quel algorithme utiliser. Un algortihme réalisant
beaucoup de calculs sur peu de données donnera les performances les plus intéressantes en GPU Computing. On
voit également qu'il est important de systématiquement mesurer les performances pour n'optimiser au mieux que
ce qui est nécessaire.
Pourquoi présenter l'utilisation d'OpenCL pour le GPU Computing plutôt que CUDA
ou d'autres solutions ? La principale raison est que OpenCL est une API portable,
indépendante d'un constructeur en particulier. Il sera possible de garder le même code
quelque soit la machine sur laquelle s'exécute le programme. De plus, les utilisateurs
habitué à OpenGl se retrouveront dans un environnement familier et il sera plus facile de
le prendre en main. Par exemple, les fonctionnalités spécifiques à un contructeur de GPU
seront disponibles, comme dans OpenGL, sous forme d'extensions.
5.0.2 - Les API OpenCL
Les API d'OpenCL se divise en trois :
• Le Plateform layer API est appelé depuis le code du programme hôte. Cette API permet de gérer les
ressources offertes par OpenCL (rechercher et initialiser les périphériques compatibles OpenCL, créer des
contextes de travail, etc.)
• L'OpenCL Language est utilisé pour écrire le code des fonctions exécutées sur les périphériques compatibles
OpenCL (kernels). Ce langage est basé sur le C version 99 avec des extensions de langage. Ce langage
fournit en particulier un certain nombres fonctions et variables accessibles dans les kernels (build-in).
• Le Runtime API permet de compiler et d'exécuter les kernels et de gérer la mémoire vidéo. Il prend
également en charge la configuration de l'exécution des kernels en créant le nombre de kernels nécessaires
et en leurs attribuant un index à 1D, 2D ou 3D. Chaque kernels (work item) est identifié de façon unique
par un index global et exécute le même code sur des données différentes. Le runtime se charge aussi de
regrouper les kernels dans des work group (les work group sont alors identifié par un index unique et chaque
work item dans un work group est identifié par un index unique dans ce work group).
5.0.3 - Installer OpenCL
Pour exécuter un programme contenant du code OpenCL, un seul fichier suffit généralement : libopencl (.dll sous
Windows et .so sous Linux). Depuis quelques temps, les constructeurs de GPU incluent ce fichier directement dans
les pilotes et il n'est donc pas nécessaire de le fournir. Donc, si la machine sur laquelle vous souhaitez exécuter votre
programme est à jour et correctement configurée, vous n'avez pas de fichier supplémentaire à fournir.
Pour compiler un programme contenant du code OpenCL, il faut donc simplement ajouter les fichiers d'en-têtes.
Ces fichiers étant spécifiques du constructeur, il est nécessaire de se reporter aux pages de téléchargement
des constructeurs et à la documentation fournie (par exemple NVIDIA et AMD). VS2010 et CUDA 3.2 : http://
www.codeproject.com/Tips/186655/CUDA-3-2-on-VS2010-in-9-steps.aspx
- 57 -
http://gbelz.developpez.com/remi-achard/gpu-avance-avec-qt/modified/