Différences entre les versions de « Jacket »
Ligne 38 : | Ligne 38 : | ||
fprintf('Addition: %f\n', tCpuPlus/tGpuPlus); % Comparaison des 2 temps. | fprintf('Addition: %f\n', tCpuPlus/tGpuPlus); % Comparaison des 2 temps. | ||
− | % Résultat : « Addition: 17.26681 » | + | % Résultat : « Addition: 17.26681 » % L'opération s'est exécutée 17 fois plus rapidement sur GPU. |
− | % | ||
</pre> | </pre> | ||
Version du 25 juin 2013 à 10:39
Jacket est un toolbox propriétaire pour MATLAB qui permet l'exécution de code sur GPUs. Similaire à GPUmat, son cousin gratuit, pour sa syntaxe, Jacket comprend cependant davantage de fonctions implémentées et accélère également l'affichage des graphismes 2d ou 3d, en faisant usage du GPU.
Guide
Attention : Jacket est installé sur les machines tigre et lionceau seulement.
Présentation donnée par Alexandre Desfossés Foucault : http://dms.umontreal.ca/wiki/images/d/d0/PresentationJacket0.pdf
Exemples
Dans les exemples suivants, la fonction TIMEIT de Jacket est utilisée afin de chronométrer le temps d'exécution d'un segment de code ou d'une fonction tournant sur CPU ou sur GPU.
Addition matricielle
addpath(genpath('/local/jacket-2.3/jacket/engine/')) clear; clear gpu_hook; % La mémoire du CPU et celle du GPU sont effacées. n=6000 Acpu=rand(n,n,'single'); % Déclaration de 2 matrices aléatoires (précision simple) sur CPU. Bcpu=rand(n,n,'single'); Agpu=gsingle(Acpu); % Copie des matrices précédentes sur GPU. Bgpu=gsingle(Bcpu); tCpuPlus=timeit(@() Acpu+Bcpu); % Mesure du temps d'exécution de l'addition des 2 matrices tGpuPlus=timeit(@() Agpu+Bgpu); % pour le CPU et pour le GPU. fprintf('Addition: %f\n', tCpuPlus/tGpuPlus); % Comparaison des 2 temps. % Résultat : « Addition: 17.26681 » % L'opération s'est exécutée 17 fois plus rapidement sur GPU.
Exemple 2
addpath(genpath('/local/jacket-2.3/jacket/engine/')) clear; clear gpu_hook; % Chronométrons pour comparer le temps de calcul du CPU au temps de calcul du GPU. minSize = 100; maxSize = 2000; it = 100; sizes = minSize:it:maxSize; nbSizes = length(sizes); timeMultGPU = zeros(nbSizes,1); timeMultCPU = zeros(nbSizes,1); currentTest = 1; for currentSize = minSize:it:maxSize G1=grand(currentSize); G2=grand(currentSize); G3=double(G1); G4=double(G2); timeMultGPU(currentTest) = timeit(@() G1*G2); timeMultCPU(currentTest) = timeit(@() G3*G4); currentTest = currentTest + 1; end timeMultGPU %Le temps calculé pour le GPU timeMultCPU %Le temps calculé pour le CPU timeMultCPU/timeMultGPU %Le rapport entre les deux temps calculé. plot(minSize:it:maxSize,timeMultGPU,'-or') hold on plot(minSize:it:maxSize,timeMultCPU,'-xb') set(gca,'FontSize',16) title('Temps de calcul GPU vs CPU pour la multiplication matricielle') xlabel('Taille des matrices') ylabel('Temps de calcul (s)') legend('GPU','CPU','Location','NorthWest')
Exemple 3 (GFOR)
Dans cet exemple on va exécuter plusieurs itérations d'une boucle «for» simultanément sur le GPU. Tous les m multiplications matricielles sont réalisées simultanément.
clear; clear gpu_hook; addpath(genpath('/local/jacket-2.3/jacket/engine/')) n=5; m=20; A = grand(n,n,m); % On crée une matrice (un tableau) sur le GPU. B = gones(n); gfor p = 1:m A(:,:,p) = A(:,:,p) * B gend