BME VIK - GPU programozás és párhuzamos rendszerek labor

3. A tantárgyfelelős személy és tanszék Dr. Szécsi László,

4. A tantárgy előadója

Dr. Szécsi László

Fridvalszky András

5. A tantárgy az alábbi témakörök ismeretére épít

Programozás, szoftvertervezés, számítógépes grafika,

matematika, fizika.

6. Előtanulmányi rend

Ajánlott:

Kötelező:

Számítógépes grafika

VAGY

Képszintézis

Ajánlott:

A tantárgy elvégzéséhez C++ nyelvű programozási tudás és gyakorlat elengedhetetlen. A Python ismerete

segít. Algoritmuselméleti alapok, mechanikai ismeretek és a matematikai eszköztár (differenciálegyenletek, numerikus módszerek) megértéséhez szükséges alapismeretek szükségesek.

7. A tantárgy célkitűzése

A tárgy célja CUDA és kisebb részben a Vulkan környezet alkalmazásának megtanítása a vizuális

informatikához kapcsolódó gyakorlati problémákon keresztül. Az architektúra és az azon

hatékonyan végrehajtható párhuzamos alap- és összetettebb műveletek megismerése után az

alacsony szintű erőforráskezelés és a legújabb GPU-képességek kihasználásával legyenek képesek

a hallgatók szimulációs és megjelenítési feladatok megoldására.

8. A tantárgy részletes tematikája

1. Bevezetés a CUDA keretrendszer használatába: CUDA virtuális gép platform,

memória és program modellje. A párhuzamos programok végrehajtási sémája. A

CUDA C/C++ nyelv bemutatása. Vektorfeldolgozás a GPU-n, szóró és gyűjtő

típusú algoritmusok.

2. Párhuzamos primitívek megvalósítása CUDA platformon. Párhuzamos

rendezések. Radix-rendezés.

3. Optimalizációs technikák CUDA környezetben. A párhuzamos programok

skálázódási kérdései, magas szintű optimalizációs technikák.

Memóriasávszélesség elméleti és effektív értékének meghatározása, a

rendelkezésre álló memóriasávszélesség optimális kihasználása. Kódszervezési

kérdések vizsgálata. CUDA programok teljesítményének mérése és hibakeresés

NVidia NSight segítségével.

4. Position-Based Dynamics. Ruhaszimuláció. Ütközésdetektálás.

5. Hajszimuláció. Sorrendfüggetlen átlátszóság (OIT). Anti-aliasing. Előszűrés és

utószűrés (FSAA vagyis full-screen anti-aliasing).

6. Strain-Based Dynamics. Lágy testek szimulációja.

7. Folyadékszimuláció a GPU-n: A Navier-Stokes egyenletek valós idejű megoldása

2D és 3D rácson.

8. Folyadékszimuláció a GPU-n részecske alapon. Smoothed Particle

Hydrodynamics. Az összenyomhatatlanság biztosítása. Position Based Fluids.

9. Modern alacsony szintű grafikus API (Vulkan). Pipeline, memóriakezelés,

diszkriptorok, szinkronizáció.

10. Fényforráskezelés és árnyékok. Mélység-térképek létrehozása és használata.

Takarás-szűrés (percentage closer filtering). Lágy árnyékok (soft shadow).

11. Magasságmező, terepgenerálás, tesszellátor. Részletességi szintek. Folytonos

LOD. Mesh shader.

12. Illusztratív képszintézis. Geometria-alapú kontúrrajzolás. Vonalkázás, Tonal Art

Maps.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

Gyakorlati oktatás. A szükséges elméleti alapok a gyakorlat folyamán hangoznak el. Minden

laboratóriumi gyakorlathoz tartozik egy kiindulási projekt, amelyben kritikus részfeladatokat kell

megoldani. Ezek a projektek a félév elején, a Cuda programozás témakörénél minimálisak, a

hivatalos üres CUDA projekthez legfeljebb a korábbi gyakorlatokon érintett funkciókat adják hozzá.

A szimulációs feladatokat egy számos „alapműveletet”, például a közelségi keresést megvalósító

keretben kell megvalósítani. Ez a keret az NVIDIA szimulációs könyvtáraira (elősorban a Warp) épül

az adott félévben elérhető hardverfeltételek figyelembe vételével. A Vulkan részben egy

megjelenítőmotort kell kész elemekből összeállítani, és új funkciókkal kiegészíteni. A laborok során

egy részletes útmutatóként szolgáló fóliasort használunk, amiben jellemzően nem kód, hanem

algoritmus-leírás, vagy matematikai képletek formájában, de lépésről lépésre végigkövetjük a

megoldások lépésit. Ezek pontos megértéséhez szükséges magyarázatok a laboron hangzanak el.

10. Követelmények

A gyakorlati feladatok megoldását 0-6 pontos skálán értékeljük. Az

érdemjegybe a legjobb 8 gyakorlat pontszáma, legfejlebb 48 pont

számít bele. További legfeljebb 52 pontot otthon készített házi

feladatra adunk. Ezeket az egyéni házi feladatokat legkésőbb a 8-

adik héten, a hallgatóval egyeztetve adjuk ki, és félév végig lehet

bemutatni őket. Az osztályzatot az alábbi ponthatárok alapján

számoljuk:

0-39%: elégtelen

40-54%: elégséges

55-69%: közepes

70-84%: jó

85-100%: jeles

11. Pótlási lehetőségek

A házi feladat a pótlási héten pótlólag beadható. A labor alkalmak nem pótolhatóak, de csak az

alkalmak kétharmada (a legjobb nyolc) számít bele az osztályzatba.

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

Kontakt óra	42
Félévközi készülés órákra	14
Felkészülés zárthelyire
Házi feladat elkészítése	87
Kijelölt írásos tananyag elsajátítása	14
Vizsgafelkészülés
Összesen	150

15. A tantárgy tematikáját kidolgozta Dr. Szécsi László, egyetemi docens, IIT