GPGPU General Purpose Computation on GPU

GPGPUGeneral Purpose Computation on GPU Emanuele Ruffaldi2005 Corso su Elasticità non lineare ed Oggetti Deformabili

Calcolo parallelo • Il calcolo parallelo permette di accelerare la risoluzione di un problema attraverso il parallelismo • Soluzioni possibili • Multiprocessore • Cluster • GPU • Cluster di GPU!!

Calcolo parallelo (2) • La computazione parallela può essere portata sintetizzata in due concetti • Stream • Un insieme di unità di informazione sulle quali vengono fatte delle operazioni • Kernel • Un’operazione da effettuare sui flussi, altamente parallelizzabile

Perchè le GPU? • Velocità di calcolo • Un 3GHz Pentium 4 ha 6GFLOPS teorici (55MT) • Una GeForceFX 5900 ha 20 GFLOPS reali (130MT) • Sviluppo temporale • Le CPU hanno seguito la legge di Moore per molti anni (1.5x annuale, 60x nel decennio) • Lo sviluppo delle GPU è nettamente superiore per via degli interessi nel campo del gaming (investimenti nella ricerca)2x annuale, 1000x nel decennio • Altri aspetti • Parallelismo • Aritmetica specializzata: i transistor aggiunti ad una CPU vengono usati per la memoria cache (tranne nei recenti dualcore) mentre nelle GPU sono unità di calcolo [gpudb]

Problemi del GPGPU • Nello sviluppo... • Le tecnologie sono state sviluppate nel mondo della grafica • Il modello di programmazione è altamente parallelo • Nell’esecuzione... • Limitazioni nella memoria per le matrici • Precisione (32-bit)

Campi Applicativi • In campo ludico • Simulazione di effetti ambientali: Fluidi, Nuvole • Dinamica di oggetti rigidi • Sistemi a particelle • Il GPGPU può essere utilizzato anche in ambiti non ludici • Simulazione di Fluidi • Dinamica dei Corpi • Tomografia • Simulazione di corpi deformabili • Computer Vision [here] • Algoritmi possibili • FFT • Linear Algebra per PDE • Risoluzione sistemi Masse-Molle • FEM

Programmazione • La programmazione delle GPU parte dalla pipeline grafica • Concetti chiave • Primitive • Vertici • Texture • Passaggi

Programmazione • La flessibilità delle GPU sta in due elementi: • Vertex Program (VP) opera a livello di vertici delle primitive accedendo eventualmente alle texture • Fragment Program (FP) opera a livello di pixel accedento a più textures • Le funzioni a disposizione dei due sono simili, ma il vantaggio dei fragment program sta nel loro numero • 1VP/4 FP nei sistemi low-end e 6VP/16FP in quelli high end.

N Vectors Matrix i N 2D-Textures 1 i N ... ... ... ... N N N N 1 i Programmazione – Dati • Le matrici ed i vettori del nostro algoritmo vanno rappresentati sulle texture • Ogni texture • Dimensione potenze di 2 fino a 2048 x 2048 • 4 componenti RGBA • Matrici Dense, Banded, Random Sparse

Sistema Masse e Molle • Un problema classico facilmente parallelizzabile • Ogni iterazione dipende dalla precendenti • Aspetti per la trasposizione in GPU • Topologia: volumetrica, griglia planare, tetraedro • Mappatura delle informazioni in gioco: lunghezza di riposo, massa, posizioni, forze esterne, volume • Rappresentazione della topologia: si utilizza la texture per fare il lookup dei nodi vicini Riferimenti: MOSEEGARDGEORGII

Sistema Masse Molle • Informazioni per ciascun vertice: • Posizione, Massa e Forze esterne • Informazioni per ciascuna relazione vicinanza • Posizione di riposo

Integrazione Verlet (senza velocità) Implementazione Algoritmo [THMG04]

Strumenti • Soluzione a basso livello: sviluppo attraverso gli strumenti grafici per il 3D • OpenGL ed linguaggio di shading GLSL/Cg • DirectX ed il linguaggio di shading Cg • OpenGL Mathematics (GLM) • Orientata alla computazione generica su GPU • Brook for GPU • Un linguaggio per il calcolo parallelo che utilizza la GPU

Riferimenti • Corso SIGGRAPH 2004 [here] • Libro GPUGems2 [here] • Sito http://www.gpgpu.org • Simulazione su GPU [here] • Corso UPenn [here]

GPGPU General Purpose Computation on GPU