Skip to content
GitLab
Explore
Sign in
Primary navigation
Search or go to…
Project
P
Parallel STL course
Manage
Activity
Members
Labels
Plan
Issues
Issue boards
Milestones
Wiki
Code
Merge requests
Repository
Branches
Commits
Tags
Repository graph
Compare revisions
Snippets
Build
Pipelines
Jobs
Pipeline schedules
Artifacts
Deploy
Releases
Package registry
Model registry
Operate
Environments
Terraform modules
Monitor
Incidents
Analyze
Value stream analytics
Contributor analytics
CI/CD analytics
Repository analytics
Model experiments
Help
Help
Support
GitLab documentation
Compare GitLab plans
Community forum
Contribute to GitLab
Provide feedback
Keyboard shortcuts
?
Snippets
Groups
Projects
Show more breadcrumbs
Michaël El Kharroubi
Parallel STL course
Commits
9998e290
Verified
Commit
9998e290
authored
1 year ago
by
Michaël El Kharroubi
Browse files
Options
Downloads
Patches
Plain Diff
Nvidia STL done
parent
309b7186
Branches
Branches containing commit
No related tags found
No related merge requests found
Changes
1
Hide whitespace changes
Inline
Side-by-side
Showing
1 changed file
Nvidia_STL.typ
+48
-1
48 additions, 1 deletion
Nvidia_STL.typ
with
48 additions
and
1 deletion
Nvidia_STL.typ
+
48
−
1
View file @
9998e290
...
...
@@ -199,8 +199,55 @@ std::for_each(std::execution::par_unseq,
```
]
#slide(
title:
"
Le
compilateur
ne
peut
pas
tout
copier
"
,
)[
Attardons nous sur cet extrait de code `[device_v = v.data(), cst]`
Le compilateur ne va pas simplement copier le pointeur `v.data()`, il va
remonter à l'allocation mémoire de la zone pointée et va s'occuper de la rendre
accessible depuis le device.
Par conséquent, il n'est pas possible d'utiliser de la mémoire allouée par du
code qui n'aurait pas été compilé par nvc++ (ex: une librairie paratagée comme
OpenCV).
Le compilateur s'appuie principalement sur la CUDA Unified memory. Pour plus
d'information à ce sujet, je vous recommande ce billet de blog :
#link(
"
https
:
//
developer
.
nvidia
.
com
/
blog
/
unified
-
memory
-
cuda
-
beginners
"
)
]
#new-section-slide(
"
Le
futur
avec
C
+
+23
(
views
et
mdspans
)
"
)
#new-section-slide(
"
Notions
à
retenir
"
)
#slide(
title:
""
,
)[
La prochaine étape majeure dans ce paradigme apparaît avec C++23. Depuis C++ 20,
les spans et les views ont fait leur apparition.
Les views sont une forme d'itérateurs à évaluation paresseuse.
Dans C++23, on voit apparaître de nouvelles méthodes pour combiner les views
comme par exemple le produit cartésien pour générer les indices d'une matrice.
Et la grande nouveauté, les mdspans qui permettent de gérer des structures de
données multidimensionnelles.
]
#new-section-slide(
"
Exemple
de
code
C
+
+23
et
notions
à
retenir
"
)
#slide(
title:
"
Notions
essentielles
à
retenir
"
,
)[
- On parallélise notre code avec le compilateur nvc++ du SDK HPC de Nvidia
- Il faut passer le paramètre stdpar au compilateur pour lui dire comment
paralléliser (cpu, gpu).
- Pour paralléliser un algorithme STL, il faut lui passer une politique
d'exécution
- Connaître et comprendre la différence entre les 4 politiques d'exécution
- On ne peut pas passer des données du _host_ par référence au _device_
- On capture les zones mémoire par copie pour les passer au _device_
- On ne peut pas capturer de la mémoire allouée par un code qui n'a pas été
compilé par nvc++.
]
#new-section-slide(
"
Questions
?
"
)
\ No newline at end of file
This diff is collapsed.
Click to expand it.
Preview
0%
Loading
Try again
or
attach a new file
.
Cancel
You are about to add
0
people
to the discussion. Proceed with caution.
Finish editing this message first!
Save comment
Cancel
Please
register
or
sign in
to comment