Avvisi

3 mar 2021
  • Le sercitazioni del corso sono reperibili su github.
  • Per svolgere le esercitazioni del corso (e il progetto d'esame) su Google Colab, seguire le istruzioni contenute nel notebook lab1/CUDA_base.ipynb
  • Per svolgere le esercitazioni del corso (e il progetto d'esame) sul server cuda.lagrange.di.unimi.it, accedere in remoto via ssh. Per essere abilitati all'uso del server, è necessario farne esplicita richiesta (evitare di inoltrare nuova richiesta se già abilitati all'uso!). Pagina con form per la richiesta: account request.
3 mar 2021
Le lezioni si terranno al mercoledì di ogni settimana, con inizio previsto per le ore 14.00, sulla piattaforma zoom.us
link: Link zoom delle lezioni
ID riunione: 979 3373 4214
Passcode: 4FvXQk
25 feb 2021
Inizio corso. La prima lezione è prevista per mercoledì 3 marzo, ore 14.00. Le lezioni saranno online sulla piattaforma zoom. La fine delle lezioni è prevista per il 26 maggio.

Syllabus

Obiettivi del corso

Questo corso ha come obiettivo l'apprendimento delle principali tecniche di programmazione parallela per lo sviluppo di applicazioni su architetture multicore, come le GPU (Graphics Processing Units), progettate per il calcolo parallelo ad elevate prestazioni. A questo fine viene impiegata l'architettura hw/sw CUDA e il relativo linguaggio CUDA C per lo sviluppo su GPU NVIDIA. L'attività ha quindi un duplice scopo: da un lato un approccio metodologico alla programmazione parallela e al disegno di algoritmi secondo consolidati pattern di parallelismo, dall'altro la pratica di laboratorio per lo sviluppo di applicazioni parallele seguendo un processo di valutazione, parallelizzazione, ottimizzazione delle prestazione e deployment su sistemi ibridi CPU-GPU

Programma del corso (ita)

  • Introduzione ai sistemi di calcolo eterogenei basati su CPU e GPU
  • Il concetto di GPGPU (General Purpose GPU) programming
  • Architetture di calcolo parallelo
  • Il modello di programmazione CUDA
  • Il modello di esecuzione CUDA
  • Il modello di memoria CUDA
  • Stream, concorrenza e ottimizzazione delle prestazioni
  • Librerie di CUDA SDK accelerate da GPU
  • Programmazione e computazione multi-GPU
  • Pattern di parallelismo negli algoritmi
  • Elementi di deep learning in Python
  • Sviluppo e implementazione di applicazioni su GPU NVIDIA

Course program (eng)

  • Introduction to heterogeneous system architectures based on CPU and GPU
  • Meaning of general purpose GPU programming (GPGPU)
  • Parallel architectures
  • The CUDA programming model
  • The CUDA execution model
  • The CUDA memory model
  • Stream, concurrency and performance optimization
  • GPU-accelerated CUDA libraries
  • Multi-GPU programming
  • Parallel design patterns
  • Deep learning using Python
  • Application development on NVIDIA GPUs

Prerequisiti

Sono requisiti essenziali le basi di teoria e pratica della programmazione e una buona conoscenza del linguaggio ANSI C standard

Esame

L'esame consiste di due parti:
  • Scritto: domande aperte sugli argomenti trattati a lezione (max 24/30 punti). L'esame scritto potrebbe tradursi in esame orale (a distanza) secondo il perdurare dell'emergenza pandemica.
  • Progetto: sviluppo di un progetto basato sul linguaggio CUDA C rivolto ad applicazioni in cui il calcolo parallelo ottiene uno speedup significativo (vedi pagina dei progetti d'esame, max 10/30 punti)

Orario lezioni

Le lezioni si svolgeranno online (mod sincrona) il mercoledì dalle 13.30 alle 17.30 (sito ufficlale), secondo semestre (Marzo-Giugno).

Ricevimento

Il ricevimento studenti si tiene su appuntamento da concordare di volta in volta via e-mail (grossi@di.unimi.it). Il luogo è la Stanza 4016, quarto piano del Dipartimento di Informatica di via Celoria 18.