Universidad Mariano Gálvez Facultad de Ciencias Médicas y de la Salud Carrera de Médico y Cirujano
Pediatría
Programa General del Curso I. Datos Gen
Story Transcript
Computación de Propósito General en Unidades de Procesamiento Gráfico (GPGPU) Pablo Ezzatti, Ezzatti, Martín Pedemonte
Clase 0 – Lanzamiento del Curso
GPGPU
Clase 0 Lanzamiento del Curso
Clase 0 – Lanzamiento del Curso
GPGPU
Contenido • Motivación • Evolución histórica en Fing • Infraestructura disponible en Fing • Curso de GPGPU
Clase 0 – Lanzamiento del Curso
Motivación
GPGPU
Clase 0 – Lanzamiento del Curso
GPGPU
1
Motivación
Motivación
• Utilización de hardware secundario para acelerar cómputos.
Incremento significativo del poder de cómputo de las GPUs.
• Usar la tarjeta gráfica (GPU) para resolver problemas de propósito general (GPGPU). • Se sustenta en el fuerte desarrollo tecnológico de las GPUs debido a la gran presión de la industria de los videojuegos. • Surgimiento de lenguajes de programación de propósito general para programar las GPUs como CUDA y OpenCL.
• Es una plataforma ampliamente disponible. • En 2009, 180 millones de GPUs que soportan CUDA (de acuerdo a Luebke de Nvidia). • Representan una tecnología que puede incorporarse tanto a un laptop como a una supercomputadora. • Es una tecnología barata. • Tesla C1060: – Costo U$S 700 – Tiene 240 CUDA cores – Pico de performance en simple precisión 933 GFlops – Pico de performance en doble precisión 78 GFlops
Clase 0 – Lanzamiento del Curso
GPGPU
Clase 0 – Lanzamiento del Curso
GPGPU
2
Motivación
Motivación
"Las GPUs han evolucionado hasta un punto en que muchas de las aplicaciones industriales actuales se ejecutan en ellas con niveles de rendimiento muy superiores a los que ofrecerían si se ejecutasen en sistemas multinúcleo. Las arquitecturas informáticas del futuro serán sistemas híbridos con GPUs compuestas por núcleos de procesamiento paralelo que trabajarán en colaboración con las CPUs multinúcleo".
• Hoy en día existe una apuesta fuerte de Nvidia por la adopción de GPUs para la computación de alta performance. • 23 supercomputadoras del top 500 emplean GPUs (26/04/2010). • Actualmente, tres de las cinco mejores (1, 3 y 4) utilizan GPUs. • Cientos de instituciones educativas enseñando GPGPU. • Desarrollo de una comunidad científica y conferencias. • gpgpu.org
Prof. Jack Dongarra Director del Innovative Computing Laboratory Universidad de Tennessee Clase 0 – Lanzamiento del Curso
GPGPU
Clase 0 – Lanzamiento del Curso
GPGPU
Evolución histórica en Fing • 2005: – Dieste: multiprocesador de memoria compartida SUNSPARCenter 2000 con 4 GB de memoria RAM y 16 unidades de procesamiento de 85 MHz.
Evolución histórica en Fing
– Cluster Cecal: cluster heterogéneo de 3 PC’s (2 Pentium II de 400 MHz y 256 Mb de RAM y un Pentium III de 930 MHz y 512 Mb de RAM).
• 2007-2008: – Cluster Cecal II: cluster homogéneo de 4 PC’s (AMD Athlon 64 Processor 3000+ de 2 GHz y 1 Gb de RAM).
Panorama dificultoso para trabajar en Computación de Alta Performance Clase 0 – Lanzamiento del Curso
GPGPU
Clase 0 – Lanzamiento del Curso
GPGPU
3
Evolución histórica en Fing
Evolución histórica en Fing
• 2007-2008:
• 2010:
– Primeras experiencia en Algebra Lineal Numérica (ALN) en GPU (multiplicación de matrices y factorización LU).
– Tutorial “Computación Paralela sobre GPUs” en el marco del Primer Seminario Multidisciplinario de Computación Científica de Alto Desempeño.
– Comienzo del primer estudio de doctorado en GPGPU.
– Comienzo del segundo estudio de doctorado en GPGPU.
• 2009:
• 2011:
– Diversificación de experiencia. Se incorporan temas de GPGPU a los cursos de ALN, Algoritmos Evolutivos (AE) y Computación de Alta Performance (HPC).
– Desde marzo Cuda Teaching Center (CTC).
– Dirección de proyectos de fin de carrera en AE y Computación Gráfica en GPU.
Clase 0 – Lanzamiento del Curso
– A partir de octubre se dictará por primera vez el curso GPGPU. Primera asignatura dedicada completamente a la temática.
GPGPU
Clase 0 – Lanzamiento del Curso
GPGPU
Infraestructura disponible en Fing • NVidia 8800 GT (112 núcleos) • NVidia 9800 GTX + (128 núcleos) • Tesla GPU server: – Cuatro tarjetas C1060 (c/u con 240 núcleos de 1.33 GHz, 4GB de RAM). Teraflop multicore processor. – Proyecto CSIC “Fortalecimiento de Equipamientos para la Investigación” (2009).
Infraestructura disponible en Fing
• En el marco del CTC: – Una tarjeta C2070 (448 núcleos de 1.15 GHz), 6GB de RAM. – Seis tarjetas GTX 480 (c/u con 480 núcleos de 1.4 GHz), 1.5GB de RAM por tarjeta. Clase 0 – Lanzamiento del Curso
GPGPU
Clase 0 – Lanzamiento del Curso
GPGPU
4
Curso de GPGPU • Nombre de la asignatura: Computación de propósito general en unidades de procesamiento gráfico. • Créditos: 7 • Materia: Arquitectura, Sistemas Operativos y Redes de Computadoras.
• Cupo máximo: 24 estudiantes • Criterio de selección: sorteo Clase 0 – Lanzamiento del Curso
GPGPU
Clase 0 – Lanzamiento del Curso
Curso de GPGPU
GPGPU
Curso de GPGPU
• Objetivo de la asignatura:
• Temario:
– Introducir al estudiante en el uso de los procesadores gráficos para la resolución de problemas de propósito general.
– Introducción – Programación paralela
• Metodología de enseñanza:
– Conceptos básicos de GPGPU
– El curso posee una duración de 10 semanas con 4 horas semanales de teórico-práctico durante las primeras 6 semanas.
– Conceptos avanzados de GPGPU – Optimización de aplicaciones de GPGPU
– Las 4 semanas restantes serán dedicadas a la realización del trabajo laboratorio final.
– Aplicaciones de GPGPU a la computación gráfica – Aplicaciones de GPGPU al álgebra lineal numérica
• Equipo docente: – Pablo Ezzatti
– Aplicaciones de GPGPU a las metaheurísticas
– Martín Pedemonte
– Tendencias actuales
Clase 0 – Lanzamiento del Curso
GPGPU
Clase 0 – Lanzamiento del Curso
GPGPU
5
Curso de GPGPU • Forma de evaluación: – Realización de ejercicios durante el curso. – Prueba escrita individual.
Nos vemos en Oktubre
– Trabajo de laboratorio final.
• Para aprobar la asignatura se debe aprobar cada una de las instancias de evaluación. • Calificación final: – Ejercicios 20% – Prueba escrita 30% – Laboratorio final 50%