PDF(1,9MB) - Está é a máquina do Professor Alfredo Goldman (this ...

More documents

Recommendations

Info

Compute Capability Especificações técnicas 1.0 1.1 1.2 1.3 2.x Dimensão máxima de um grid 2 3 Dimensão máxima de um bloco 3 Número máximo de threads por bloco 512 1024 Tamanho do warp 32 Número máximo de blocos residentes 8 em um multiprocessador Número máximo de warps residentes 24 32 48 em um multiprocessador Número máximo de threads residentes 768 1024 1536 em um multiprocessador Número de registradores 32-bit 8 K 16 K 32 K por multiprocessador Quantidade máxima de memória 16 KB 48 KB compartilhada por multiprocessador Quantidade de memória local 16 KB 512 KB por thread Número máximo de instruções 2 milhões 3.4.5 Exemplo por kernel Código 3: Soma dois vetores A e B, de dimensão N, e coloca o resultado no vetor C // d e f i n i c a o do k e r n e l { g l o b a l void vecAdd ( f loat ∗ A, float ∗ B, float ∗ C) int i = blockDim . x ∗ blockIdx . x + threadIdx . x ; 5 i f ( i < N) 47
} C[ i ] = A[ i ] + B[ i ] ; // codigo do h o s t (CPU) 10 int main ( ) 15 20 { //tamanho do v e t o r int N = . . . ; s i z e t s i z e = N ∗ sizeof ( float ) ; // a l o c a v e t o r e s na memoria do h o s t float ∗ host A = malloc ( s i z e ) ; f loat ∗ host B = malloc ( s i z e ) ; float ∗ host C = malloc ( s i z e ) ; // a l o c a v e t o r e s na memoria do d e v i c e (GPU) float ∗ device A ; cudaMalloc ( ( void ∗∗)&device A , s i z e ) ; float ∗ device B ; 25 cudaMalloc ( ( void ∗∗)&device B , s i z e ) ; float ∗ device C ; cudaMalloc ( ( void ∗∗)&device C , s i z e ) ; // copia v e t o r e s da memoria do h o s t para a do d e v i c e 30 // funcao cudaMemcpy r e a l i z a a t r a n s f e r e n c i a de dados e n t r e h o s t e d e v i c e cudaMemcpy ( device A , host A , s i z e , cudaMemcpyHostToDevice ) ; cudaMemcpy ( device B , host B , s i z e , cudaMemcpyHostToDevice ) ; //chamada do kernel , informando tamanho de b l o c o e g r i d 35 int threadsPerBlock = 256; int blocksPerGrid = (N + threadsPerBlock − 1) / threadsPerBlock ; vecAdd(device A , device B , device C ) ; 48
Page 1 and 2: Um estudo do uso eficiente de progr
Page 3 and 4: Resumo Um estudo do uso eficiente d
Page 5 and 6: Sumário 1 Introdução 8 2 GPU Com
Page 7 and 8: 6.3.2 Capability characteristics .
Page 9 and 10: 1 Introdução O crescimento de pod
Page 11 and 12: 2 GPU Computing 2.1 Breve Históric
Page 13 and 14: esolveu entrar em vários segmentos
Page 15 and 16: Em resposta, a NVIDIA lançaria a G
Page 17 and 18: • Rasterização: determinação
Page 19 and 20: altamente paralelo, com um gigantes
Page 21 and 22: Por trás desta comparação existe
Page 23 and 24: meses; desde sua introdução em 20
Page 25 and 26: Figura 4: Arquitetura Fermi [57] 24
Page 27 and 28: Várias melhorias foram feitas nest
Page 29 and 30: 2.5.7 Aritmetica de ponto flutuante
Page 31 and 32: 3 CUDA A NVIDIA, enxergando a oport
Page 33 and 34: 3.2.1 NVIDIA GeForce 8 Figura 7: Sh
Page 35 and 36: Figura 9: Tipos de memória do mult
Page 37 and 38: 3. CUDA driver que fornece a API pa
Page 39 and 40: Figura 11: Grid e bloco de threads
Page 41 and 42: Figura 12: Código sequencial é ex
Page 43 and 44: de memória (figuras 13, 14 e 15):
Page 45 and 46: A tabela abaixo compara as principa
Page 47: • gridDim - variável do tipo dim
Page 51 and 52: 4 Desempenho e otimização A chave
Page 53 and 54: multiprocessador terá pelo menos u
Page 55 and 56: 5 Trabalhos relacionados Com o obje
Page 57 and 58: 56 Figura 16: CUDA Occupancy Calcul
Page 59 and 60: compartilhada etc), dentre outras.
Page 61 and 62: 5.3 NVIDIA Parallel Nsight TM O NVI
Page 63 and 64: • SM - indica que o evento é col
Page 65 and 66: 5.7 TAU Performance System TAU Perf
Page 67 and 68: de extensão ao qual se conectar pa
Page 69 and 70: 6.2 JNI JNI (Java Native Interface)
Page 71 and 72: • My shared memory count - quanti
Page 73 and 74: 6.3.5 GPU occupancy Figura 26: GPU
Page 75 and 76: A figura 28 mostra um warning sendo
Page 77 and 78: Referências Bibliográficas [1] Ow
Page 79 and 80: [25] Reis, David; Conti, Ivan; Vene
Page 81 and 82: [47] PAPI - Performance Application

PDF(1,9MB) - Está é a máquina do Professor Alfredo Goldman (this ...

Create successful ePaper yourself

Delete template?

Save as template?