GPU Programlama ile OpenACC Eğitimi

Eğitim Hakkında

OpenACC ile direktif tabanlı GPU programlama

Eğitim, mevcut C/C++ ve Fortran kodlarını OpenACC direktifleriyle GPU'ya taşımayı öğretir: OpenACC yürütme modeli (gang, worker, vector), parallel ve kernels yapıları, loop direktifi ve collapse, veri bölgeleri (data, enter data, exit data, copyin/copyout), update, reduction, async ve wait, bellek erişim iyileştirme, NVIDIA HPC SDK derleyicisi, derleyici geri bildirimi (-Minfo) ve Nsight ile profil, MPI ile birlikte kullanım.

Süre ve Format

2 Gün. Her gün dört modül; OpenACC Temelleri; Veri Yönetimi ve Optimizasyon ekseninde ilerleyen uygulamalı program.

Seviye

Orta Seviye — OpenACC direktifleri ile C/C++/Fortran kodunu GPU'ya taşıma: parallel, kernels, data bölgeleri ve optimizasyon

Öğrenme Metodu

Jacobi iterasyonu, Laplace denklemi ve kare matris çarpımı gibi örnek kodlar adım adım hızlandırılır; her adımda hız artışı ölçülür.

Neden Bu Eğitim?

🧩Düşük müdahale

Kodu baştan yazmadan direktiflerle GPU hızlandırması elde edersiniz.

📦Veri taşıma kontrolü

Data bölgeleriyle gereksiz host-device aktarımlarını ortadan kaldırırsınız.

🔬Profil odaklı optimizasyon

Derleyici çıktısı ve Nsight ile iyileştirme kararı verirsiniz.

Anahtar Konular

openacc eğitimigpu programlamaopenacc direktiflerinvidia hpc sdkhpc eğitimigpu hızlandırmaparallel loopdata regionmpi openaccfortran gpu

“Hızlandırmanın en iyi yolu, çalışan kodu bozmadan adım adım ilerlemektir.”

Ön Koşullar

Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri

1

C/C++ veya Fortran

Orta düzey C, C++ veya Fortran bilgisi.

2

Paralel kavramlar

Döngü bağımlılığı ve paralellik fikri.

3

Linux

Linux komut satırı ve derleme.

4

GPU ortamı

NVIDIA GPU ve HPC SDK (nvc/nvfortran).

Eğitim İçeriği

Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.

Günün hedefiKatılımcı OpenACC direktifleriyle döngüleri GPU'ya taşır.

Modül 1

OpenACC Modeli

Amaç: taşınabilirlik ve verimlilik
Gang, worker ve vector paralelliği
Host ve accelerator belleği
OpenACC ve CUDA/OpenMP karşılaştırması
NVIDIA HPC SDK kurulumu
nvc ve nvfortran bayrakları (-acc, -gpu)

Modül 2

Parallel ve Kernels

#pragma acc parallel loop
#pragma acc kernels
kernels ve parallel farkları
Döngü bağımlılığı ve independent
seq, auto, gang, vector
Minfo=accel okuma

Modül 3

Loop Direktifleri

collapse ile iç içe döngü
tile direktifi
reduction yan tümcesi
private ve firstprivate
Atomik işlemler
Sınır ve tamsayı taşması dikkatleri

Modül 4

İlk Hızlandırma Vakası

Jacobi / Laplace çözücü
Başlangıç CPU taban çizgisi
Direktif ekleme ve doğrulama
Sonuç doğruluk kontrolü
Hız karşılaştırma tablosu
Sık hatalar: aliasing ve restrict

Günün hedefiKatılımcı veri aktarımını yönetir, optimizasyon yapar ve profil çıkarır.

Modül 1

Veri Bölgeleri

data copyin/copyout/create/present
Yapılandırılmamış enter data / exit data
update host/device
Dinamik diziler ve derin kopya
Unified Memory (-gpu=managed)
Veri hareketi darboğazı

Modül 2

Performans İyileştirme

Gang/vector uzunluğu ayarı
Bellek erişim örüntüsü ve coalescing
Cache direktifi
Küçük çekirdekleri birleştirme
Hesaplama yoğunluğu
Occupancy ve register baskısı

Modül 3

Eşzamansızlık ve Çoklu GPU

async ve wait
Çoklu queue
Hesaplama-aktarım örtüşmesi
acc_set_device_num
MPI + OpenACC (CUDA-aware MPI)
Çoklu GPU alan ayrıştırma

Modül 4

Profil ve İleri Konular

Nsight Systems / Compute
NVTX işaretleri
Routine direktifi ve fonksiyon çağrıları
Derleyici hata ayıklama
CUDA kütüphaneleriyle birlikte kullanım
OpenMP target ile karşılaştırma

Eğitim Kazanımları

Program sonunda katılımcılar:

✅

OpenACC modeli

Gang, worker ve vector kavramlarını açıklayabilirsiniz.

✅

Direktif kullanımı

parallel loop ve kernels ile döngüleri paralelleştirebilirsiniz.

✅

Bağımlılık analizi

Döngü bağımlılıklarını ve aliasing sorunlarını belirleyebilirsiniz.

✅

Veri bölgeleri

Data direktifleriyle host-device aktarımını azaltabilirsiniz.

✅

Reduction

Reduction ve private yan tümceleri doğru kullanabilirsiniz.

✅

Async çalışma

async ve wait ile hesaplama-aktarım örtüşmesi sağlayabilirsiniz.

✅

MPI birlikteliği

MPI ile OpenACC'yi çoklu GPU'da birleştirebilirsiniz.

✅

Profil

Nsight ve -Minfo çıktısı ile optimizasyon kararı verebilirsiniz.

Kimler İçin Uygundur?

Bilimsel hesaplama
CFD
fizik simülasyonu ve HPC alanında çalışan
mevcut CPU kodlarını GPU'ya taşımak isteyen geliştiriciler
araştırmacılar için uygundur

Sıkça Sorulan Sorular

Bu eğitim kimler için uygundur?

Bilimsel hesaplama, CFD, fizik simülasyonu ve HPC alanında çalışan, mevcut CPU kodlarını GPU'ya taşımak isteyen geliştiriciler ve araştırmacılar için uygundur.

CUDA bilmem gerekir mi?

Hayır, OpenACC direktif tabanlıdır; CUDA ile karşılaştırma yalnızca bilgi amaçlıdır.

Hangi derleyici kullanılır?

NVIDIA HPC SDK nvc, nvc++ ve nvfortran derleyicileri kullanılır.

Fortran kodları da kapsar mı?

Evet, tüm örnekler C ve Fortran olarak verilir.

Eğitim sonunda sertifika verilir mi?

Katılımcılara Digital Vizyon Akademi Katılım ve Başarı Sertifikası verilir.

Sertifikalandırma

Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.

Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.

Örnek Sertifika

GPU PROGRAMLAMA İLE OPENACC EĞİTİMİ