GPGPU: Utiliser la carte graphique pour accélérer vos applications!

📝 Languages
Intermediate
📣 Conference

En 2004, au SIGGRAPH (la plus importante conférence pour tout ce qui se rapporte au “computer graphics”) des chercheurs de l’université de Stanford théorise le GPGPU : Ne plus se restreindre à de la 3D et pouvoir faire du calcul “générique” sur GPU. Inspiré par ce papier, NVidia sortira CUDA en Juin 2007 permettant enfin au monde entier d’exploiter les GPU NVidia pour tout type de calcul. Suivra ensuite OpenCL, par Khronos Group (notamment responsable d’OpenGL), généralisant le GPGPU à tous les GPUs, et enfin, l’intégration du GPGPU dans toute les APIs graphiques majeurs (OpenGL, Metal, DirectX et Vulkan).

Il est donc aujourd’hui plus simple que jamais de programmer sur GPU, mais pourquoi ? Comment ? Et comment le faire bien ?

Ce talk répondra à toutes ces questions et les mettra en oeuvre sous forme de live coding !

Plan du talk

Ce talk à 3 buts: 1. Expliquer pourquoi il est temps d’exploiter le GPU dans vos application 2. Montrer comment programmer sur GPU 3. Parler plus en détail des spécificité du GPU et des optimisations qui lui sont propres

Expliquer pourquoi il est temps d’exploiter le GPU dans vos applications

Quand bien même le GPGPU est désormais disponible sur toutes les plateformes depuis plusieurs années, le GPGPU reste largement sous exploité. Cette partie du talk consistera donc à expliquer pourquoi votre application peut bénéficier du GPGPU, qu’elle soit une application mobile, un backend web ou un moteur d’IA. Elle se basera sur des exemples théoriques et, autant que possible, concrets.

Montrer comment programmer sur GPU

Cette partie, qui sera réalisé en live-programming, montrera comment il est possible de réaliser un simple programme qui fait du GPGPU. Le live-programming sera réalisé avec Rust et OpenGL (mais le choix des technologies est peu important et facilement interchangeable).

Parler plus en détail des spécificité du GPU et des optimisations qui lui sont propre

Le GPU fonctionne de façons très différente d’un CPU. Si les différences majeurs seront introduites en première partie, cette partie en parlera plus en détails. De plus, elle expliquera comment optimiser un programme sur GPU en ce basant sur l’exemple live-codé dans la partie précédente.

Prérequis

Ce talk est destiné à un public technique. Il est recommandé d’avoir quelques connaissances sur: l’architecture basique d’un PC moderne Quelques concepts de programmation parallèle Des bases de C, notamment sur les structures de données (flottant, entier, …)