Comp. Arch. - Lecture 30: GPU Programming (Fall 2025)

Item: Comp. Arch. - Lecture 30: GPU Programming (Fall 2025)
Rating: 5
Author: PostSingularity Institute

Sciences appliquées & ingénierie Informatique & Cybersécurité UYFArchitecture informatique et conception logique UYFPTraitement parallèle

🎙 Onur Mutlu 👥 64K 📅 12 janvier 2026 ⏱ 152 min 👁 2K 📄 cours magistral 🧭 2026-08-15

Disponible en : Français (actuel) English

Mots-clés

GPUCUDASIMTwarptensor coremémoireparallélisme

Résumé

Ce cours magistral de l’ETH Zürich, donné par le professeur Onur Mutlu, aborde la programmation des GPU en tant qu’accélérateurs de calcul généraliste. Il commence par rappeler l’architecture des GPU, en particulier les concepts de streaming multiprocessors, de warps et d’exécution SIMT. Il détaille ensuite le modèle de programmation bulk synchronous parallel (BSP) utilisé par CUDA et OpenCL, en expliquant la structure typique d’un programme : transfert des données CPU vers GPU, exécution de kernels, et transfert des résultats. Le cours met l’accent sur la hiérarchie mémoire des GPU, la gestion de la mémoire partagée et les optimisations de performance, comme la coalescence des accès mémoire et la réduction de la divergence de warps. Il aborde également les tensor cores, spécialisés pour l’apprentissage profond, et discute des compromis entre les GPU et d’autres accélérateurs comme les réseaux systoliques. Enfin, il évoque les défis liés à la bande passante mémoire et à la communication CPU-GPU, ainsi que les perspectives de calcul collaboratif entre différents dispositifs.

164 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : le cours fournit une base solide pour comprendre la programmation GPU, avec des explications claires sur l’architecture matérielle et le modèle de programmation. L’argumentation est solide, s’appuyant sur des exemples concrets (GTX 285, V100) et des comparaisons pertinentes (CPU vs GPU, GPU vs TPU). Le professeur souligne les compromis et les goulots d’étranglement, ce qui permet une compréhension nuancée. Les recommandations de lecture et les références à des travaux de recherche renforcent la crédibilité.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est exemplaire : le cours est structuré, les concepts sont définis avec précision, et les sources sont académiques (articles de recherche, guides officiels CUDA). La qualité des sources est excellente, avec des références à des publications de conférences et de revues. L’adéquation entre le titre et le contenu est parfaite : le cours traite spécifiquement de la programmation GPU dans le cadre d’un cours d’architecture des ordinateurs. Aucun commentaire n’est fourni, donc aucune analyse des tendances du public n’est possible.

179 mots

Adéquation titre / contenu

Le titre correspond parfaitement au contenu : il s'agit bien d'un cours magistral sur la programmation GPU, dans le cadre d'un cours d'architecture des ordinateurs.

Qualité & fiabilité

9/10

Cours universitaire de niveau master, dispensé par un professeur reconnu en architecture des ordinateurs, avec des références académiques solides et des supports de cours détaillés. La présentation est structurée et les concepts sont expliqués avec rigueur.

Moments clés

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

Sources citées

A Modern Primer on Processing in Memory — Lecture recommandée sur le traitement en mémoire, lié aux défis de bande passante.
Memory-Centric Computing: Solving Computing's Memory Problem — Lecture recommandée sur l'architecture centrée mémoire.
Memory-Centric Computing: Recent Advances in Processing-in-DRAM — Lecture recommandée sur les avancées récentes en traitement dans la DRAM.
Intelligent Architectures for Intelligent Computing Systems — Lecture recommandée sur les architectures intelligentes.
RowHammer: A Retrospective — Lecture recommandée sur le problème RowHammer.
Fundamentally Understanding and Solving RowHammer — Lecture recommandée sur la compréhension et la résolution de RowHammer.
Accelerating Genome Analysis via Algorithm-Architecture Co-Design — Lecture recommandée sur l'accélération de l'analyse génomique.
From Molecules to Genomic Variations: Accelerating Genome Analysis via Intelligent Algorithms and Architectures — Lecture recommandée sur l'analyse génomique intelligente.

Sources concordantes

CUDA C++ Programming Guide — Documentation officielle de CUDA, mentionnée comme lecture recommandée.
Programming Massively Parallel Processors — Ouvrage de référence recommandé par le professeur.

Références externes

Apport & nouveautés

Ce cours apporte une synthèse claire et pédagogique de la programmation GPU, en reliant les concepts matériels (SIMT, warps, tensor cores) aux modèles de programmation (CUDA, OpenCL). Il met en lumière les compromis entre performance et programmabilité, et souligne les défis persistants comme la bande passante mémoire. L’accent mis sur les applications modernes (deep learning) et les perspectives de calcul centré mémoire offre une vision actualisée.

Pour aller plus loin :

CUDA C++ Programming Guide — Référence officielle pour la programmation CUDA.
OpenCL Specification — Spécification du standard OpenCL.
Bulk synchronous parallel — Modèle de programmation parallèle utilisé par CUDA.
Tensor Core — Unité de calcul spécialisée pour l’apprentissage profond.
Systolic array — Architecture alternative pour l’accélération des réseaux de neurones.

121 mots

Profil radar

Le profil radar montre un niveau élevé et équilibré sur tous les axes, avec une légère prédominance de la quantité d'information et du niveau technique, reflétant un cours dense et exigeant, mais bien structuré et fiable.

Fiabilité 9/10