Gpu Final

Nas últimas aulas trabalhamos com GPU usando a biblioteca thrust e também kernels feitos diretamente em CUDA. Iremos finalizar este módulo com exercícios práticos de implementação. Nesta aula você deverá seguir duas instruções básicas

iniciar os exercícios a partir de um arquivo vazio

e

não copiar e colar código

É claro que você pode consultar código que já escreveu, mas a ideia é evitar montar um programa Frankstein copiando pedaços de código que nem sempre se conectam da maneira correta. Queremos tentar compreender por completo cada linha de seu código e saber exatamente a razão dela estar onde está.

Iremos voltar a um exercício que fizemos nas aulas de multi-core: o cálculo do PI usando as técnicas de integração numérica e Monte Carlo.

Parte 1 - Integração numérica

Na aula 07-threads-I paralelizamos um código que fazia o cálculo do PI usando OpenMP. Neste primeiro exercício iremos converter aquele código para rodar em GPU. Você deverá

1. portar o código em pi-numeric-integration.cpp para GPU
2. comparar o tempo gasto para num_steps = 1000000000.
3. comparar com sua implementação usando OpenMP

Parte 2 - Monte Carlo

Na aula 10-reentrancia paralelizamos um código que usava sorteios aleatórios para calcular o PI. Neste exercício você deverá

1. converter pi_mc.c para rodar em GPU
2. comparar o tempo gasto para num_trials = 1000000000 para o sequencial
3. fazer o mesmo para sua versão usando OpenMP

A geração de números aleatórios dentro de um kernel pode ser feita com a biblioteca cuRAND. Um exemplo simples de uso pode ser visto no arquivo rand.cu disponibilizado no repositório.