2020年10月
|
前回に引き続き、OpenACCでうまく行かないケースとその解決策について学びます。
特に計算が複雑になればなるほど、思ったほどの性能が出ないケースが増えてきます。 そんな時はどうしたら良いのでしょうか？ |
2020年09月
|
はじめに、OpenACCで扱えないわけではないけど、扱うのがとても面倒な構造体について紹介します。構造体の面倒な点は２つあります。
面倒 ①：そもそもGPUの仕組み的に、構造体は速度低下の原因になり得る。 面倒 ②：CPUとGPUのメモリが独立していることに起因する、ディープコピーと呼ばれる問題。 |
2020年08月
|
今回で 拡散方程式のプログラム 例は終わりです。
ここまで学んだこと(+α)のまとめとして、何をすればどのくらい速くなるのかを見ていきます。 ここまでで解説した指示文(+α）を使って最適化した場合、どのくらい速くなるのか確認してみましょう。 図1のグラフは、東京大学のReedbushスパコン を使い、CPUとGPUの性能比較をしたものです。 CPUはIntel Xeon E5-2695v4 (Broadwell-EP) を1ソケット(18 コア)、GPUはNVIDIA Tesla P100を1基使っています。 |
2020年07月
|
GPUを使う上で必ず考えなければならないのが、プログラムの実行速度です。
今あるプログラムを速くするためにわざわざOpenACC化を進めているわけですから、遅かったら意味がないのです。 では、プログラムの実行時間はどのように確認したらよいでしょうか？ |
2020年06月
|
前回に引き続き、拡散方程式のプログラムを例として、OpenACCの使い方を学びます。
図１は前回作成した疑似コードです。なお、実際のコードはこちらよりダウンロードできます。 では、PGIコンパイラ (ver. 19.10) を用いて、このプログラムをコンパイルしてみましょう。 コンパイル時に出力されるメッセージが図2です。 実は、OpenACCのプログラムを実装する上で非常に重要なのが、コンパイル時に出力されるメッセージの確認 です。 |
図1：インクの拡散現象のシミュレーション
2020年05月
|
前回は、非常に簡単なプログラムを例として、データ転送の最小化について考えました。今回はもう少し実践的な例として、拡散方程式を扱います。
今回は、前回行ったデータ転送の最小化が如何に重要なのかを知ってもらうために、拡散現象のシミュレーションプログラムをOpenACC化してみましょう。 |
2020年04月
|
前回は、図１のプログラムを例にして、OpenACCの主要な３つの指示文：kernels, data, loop指示文を紹介しました。
今回はプログラムの効率について考えてみましょう。 １ヵ月間有効のスパコンお試しアカウント 東京大学情報基盤センターでは、教育の一環として、制限はあるものの一ヵ月の間有効なスパコンアカウントを提供しています。 現在3つのスパコンが運用されていますが、そのうちReedbushと呼ばれるスパコンには、一世代前のものではありますがGPUが搭載されていて、OpenACCを使える環境も整っています。 自分でどんどん自習したい場合は、ご利用を考えてみてください。 |
