GPGPU Ok

GPGPU.typ

@@ -22,8 +22,8 @@
   title: "Définition",
 )[
   Le terme "_general-purpose computing on graphics processing units_" (GPGPU)
-  désigne l'ensemble des programmmes qui ne sont pas graphiques et qu'on réalise
-  sur GPU.
+  désigne l'ensemble des programmmes qui ne sont pas directement liés au calcul
+  graphique et qu'on réalise sur GPU.
 
   Par exemple :
   - Simulation de phénomènes physiques
@@ -40,7 +40,7 @@
 
   #box(columns(2, gutter: 22pt)[
     == Adapté :
-    - Ordonancer des tâches
+    - Ordonnancer des tâches
     - Accéder aux périphériques
       - Réseau
       - Disque
@@ -51,14 +51,14 @@
     - Calcul matriciel
   ])
 
-  Les GPU apportent une réponse à ces problèmes.
+  Les GPU apportent une réponse à ces problèmes
 ]
 
 #slide(
   title: "CPU vs GPU",
 )[
   Un GPU est un type de processeur conçu pour effectuer massivement des calculs en
-  parallèle.
+  parallèle
 
   #figure(
     image("assets/cpu-gpu.svg", width: 70%),
@@ -66,7 +66,8 @@
       2010],
   )
 
-  #link("https://youtu.be/-P28LKWTzrI")[Partenariat Myth Busters & Nvidia]
+  Voici une petite vidéo du partenariat entre Myth Busters et Nvidia, pour
+  visualiser la différence #link("https://youtu.be/-P28LKWTzrI")
 ]
 
 #new-section-slide("La programmation sur GPU")
@@ -77,8 +78,8 @@
   CUDA est le kit de développement de NVIDIA pour faire du GPGPU. C'est le kit le
   plus populaire de développement GPGPU.
 
-  CUDA permet d'écrire du code en C/C++ et de le compiler pour qu'il soit exécuté
-  sur des GPU de Nvidia.
+  CUDA permet d'écrire du code dans un dialecte C/C++ et de le compiler pour qu'il
+  soit exécuté sur des GPU de Nvidia.
 
   Dans la concurrence, on peut également citer OpenCL (multi-plateforme), ROCm
   pour AMD ou OneAPI pour Intel.
@@ -92,10 +93,12 @@
 
 #new-section-slide("Exemple de code CUDA et notions à retenir")
 
-#slide(title: "Notions essentielles à retenir")[
+#slide(
+  title: "Notions essentielles à retenir",
+)[
   - Le CPU et le GPU sont deux périphériques distincts
   - Le GPU est prévu pour effectuer massivement des calculs
-  - La mémoire n'est pas partagée
+  - La mémoire n'est pas partagée, l'espace d'adressage n'est donc pas commun
   - On parle de *Host* pour le CPU et de *Device* pour le GPU
 ]