狠狠撸

cl-cuda : a library to use NVIDIA CUDA in Common Lisp
2014.7.29 Masayuki Takagi
Lisp Meet Up presented by Shibuya.lisp #19
１．骋笔骋笔鲍
１．１．骋笔骋笔鲍(General Purpose GPU) とは？
１．２．GPU の歴史
１．３．スパコンへの浸透
３．cl-cuda ライブラリ
３．１．cl-cuda の特徴
３．２．使い方
３．３．内部設計
３．４．カーネル関数を起動するまでの流れ
３．５．デモ
３．６．パフォーマンス比較
３．７．レポジトリ
２．NVIDIA CUDA
２．１．CUDA とは？
２．２．プロセッサ?アーキテクチャ
２．３．メモリ?アーキテクチャ
２．４．プログラミング?モデル
目次：

? 2014 Masayuki Takagi-2-
１．１．骋笔骋笔鲍(General Purpose GPU) とは？
? GPU の計算資源を、画像処理以外の目的に応用する技術

１．２．GPUの歴史
３次元グラフィックスレンダリング
? 仮想空間に配置したモデルから、画面のピクセルの色をそれぞれ計算
? VGA(640x480)の場合、独立した30万ピクセルの色を、60Hz(10-20msec)で処理する必要
? グラフィックアクセラレータ(GPU)の登場
GPGPU に至るまでのGPUの歴史的背景を、簡単になぞります。
固定パイプライン - 1990's
? 物体表面での光や色の計算を、
ハードウェアで実装
? グローシェーディング、フォン
シェーディング
プログラマブル?シェーダ - 2000's
? 物体表面での光や色の計算を、
ソフトウェア的にプログラム可能に
? バーテックスシェーダ、フラグメン
トシェーダ
General Purpose GPU - 2010's
? 汎用的に使えるんじゃね？？

１．３．スパコンへの浸透
GPGPU は、スパコン分野にも広く浸透しています。
TOP 500, June 2014, Poster

２．１．CUDA とは？
? NVIDIA が提供する、並列計算アーキテクチャ。NVIDIA 製 GPU にて動作
? GPUを利用したコプロセッシングによって、データ並列の計算処理能力を大幅に向上
? C ベースの言語(CUDA C)、コンパイラ、デバッガ、プロファイラといった、ソフトウェア開
発環境も包括的に提供
Kepler GK110 のチップ写真

２．２．プロセッサ?アーキテクチャ
CUDAでは、大量のプロセッサ?コアを、以下のような階層構造をとることで管理しています。
? １つの GPU チップは、複数のストリーミング?マルチプロセッサ(SMX)からなる
? １つのストリーミング?マルチプロセッサは、192 個の CUDA コアと１組のフロー?コント
ローラ、 L1 キャッシュからなる
? 複数のスレッドをまとめたスレッドブロックごとに、ストリーミング?マルチプロセッサで処
理する
GTX 680 ブロック図（一部省略）

２．３．メモリ?アーキテクチャ
CUDAにおけるメモリは、プロセッサ?コアの階層構造に対応して、以下のような階層構造をとってい
ます。
? レジスタは、１つの CUDA コアからのみアクセス可能
? シェアードメモリおよび L1 キャッシュは、同一の SMX に属する CUDA コア間で共有
? L2 キャッシュは、SMX 間で共有される。小容量だが、オンチップにあり高速
? グローバルメモリは、SMX 間で共有される。大容量だが、オフチップにあり低速
グローバルメモリ
L2 キャッシュ
シェアードメモリ / L1 キャッシュ
レジスタ
CUDA コア
ストリーミング?マルチプロセッサ(SMX)
GPU チップ

２．４．プログラミング?モデル
CUDA のプログラミング?モデルは、ハードウェアのアーキテクチャに対応した階層構造となっていま
す。
? C を拡張した CUDA C によって、カーネル関数を定義。CUDA スレッドを構成し、１つ
のCUDA コアで実行される。
? スレッド数の指定とともに、カーネル関数を起動。スレッドブロックを構成し、１つのスト
リーミング?マルチプロセッサ(SMX)で実行される。
? 並列度が高く１つのスレッドブロックに収まらない場合、複数のスレッドブロックをまとめ
たグリッドを使い、複数の SMX で実行する。

３．１．cl-cuda の特徴的な機能
cl-cuda は、Common Lisp から NVIDIA CUDA を使用するためのライブラリです。以下の機能を提
供します。
? カーネル関数の定義
? カーネル記述言語
? カーネルマクロの定義
? カーネルモジュールの遅延コンパイル及び遅延ロード
? CUDA コンテキストの管理
? ホストメモリ及びデバイスメモリの管理
? ホスト=デバイス間のメモリ転送
? OpenGL 相互運用

３．２．使い方（１）
ここでは、cl-cuda の使い方を簡単に示します。
? 配列加算（vectorAdd）サンプル
? ２つの配列の各要素を足し合わせ、３つ目の配列に格納
? 各 CUDA コアが、配列の各要素を担当し、並列に処理
配列A
配列B
配列C
1 2 3
3 2 1
4 4 4+

３．２．使い方（２）
以下のようなコードで、Common Lisp から CUDA を使用できます。
(defkernel
?vec-?‐add-?‐kernel
?(void
?((a
?float*)
?(b
?float*)
?(c
?float*)
?(n
?int)))

?
?(let
?((i
?(+
?(*
?block-?‐dim-?‐x
?block-?‐idx-?‐x)
?thread-?‐idx-?‐x)))

?
?
?
?(if
?(<
?i
?n)

?
?
?
?
?
?
?
?(set
?(aref
?c
?i)

?
?
?
?
?
?
?
?
?
?
?
?
?(+
?(aref
?a
?i)
?(aref
?b
?i))))))
(defun
?main
?()

?
?(let*
?((dev-?‐id
?0)

?
?
?
?
?
?
?
?
?(n
?1024)

?
?
?
?
?
?
?
?
?(threads-?‐per-?‐block
?256)

?
?
?
?
?
?
?
?
?(blocks-?‐per-?‐grid
?(/
?n
?threads-?‐per-?‐block)))

?
?
?
?(with-?‐cuda
?(dev-?‐id)

?
?
?
?
?
?(with-?‐memory-?‐blocks
?((a
?'float
?n)

?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?(b
?'float
?n)

?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?(c
?'float
?n))

?
?
?
?
?
?
?
?(random-?‐init
?a
?n)

?
?
?
?
?
?
?
?(random-?‐init
?b
?n)

?
?
?
?
?
?
?
?(sync-?‐memory-?‐block
?a
?:host-?‐to-?‐device)

?
?
?
?
?
?
?
?b
?:host-?‐to-?‐device)

?
?
?
?
?
?
?
?(vec-?‐add-?‐kernel
?a
?b
?c
?n

?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?:grid-?‐dim
?
?(list
?blocks-?‐per-?‐grid
?1
?1)

?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?
?:block-?‐dim
?(list
?threads-?‐per-?‐block
?1
?1))

?
?
?
?
?
?
?
?c
?:device-?‐to-?‐host)

?
?
?
?
?
?
?
?(verify-?‐result
?a
?b
?c
?n)))))
カーネル関数を定義
CUDA コンテキストを生成
ホストとデバイスに、メモリ領域を確保
ホストメモリからデバイスメモリへデータ
を転送
定義したカーネル関数を起動
デバイスメモリからホストメモリへデータ
を転送

３．３．内部設計
cl-cuda は、以下の３つのコンポーネントから構成されます。
cl-cuda.api
実際にユーザが利用するインターフェ
イスを提供。defkernel マクロ、カーネ
ルマネージャ、CUDA コンテキスト、メ
モリブロック、タイマ。
cl-cuda.lang
カーネル記述言語と、そのコンパイラ
を提供。コンパイラは、カーネル記述
言語を CUDA C へ変換する。CUDA
C から PTX ファイルへの変換は、cl-
cuda.api のカーネルマネージャが管
理する。
cl-cuda.driver-api
CUDA ドライバ API への FFI(Foreign
Function Interface)を提供。

３．４．カーネル関数を起動するまでの流れ
定義したカーネル関数を起動するまでの処理の流れは、以下のようになります。これらの処理は、
カーネルマネージャによって管理され、コンパイルやロードは、必要なタイミングまで遅延して実行さ
れます。
1. カーネル関数を定義
defkenrel マクロを使用して、カーネル関数を定義しま
す。
2. カーネル記述言語をコンパイル
cl-cuda.lang のコンパイラを用いて、カーネル記述言語
を CUDA C へコンパイルします。
3. CUDA C をコンパイル
NVIDIA の提供する NVCC (NVIDIA CUDA Compiler)
を呼び出し、CUDA C のコードをカーネルモジュール
(PTX ファイル)へコンパイルします。
4. カーネルモジュールをロード
CUDA ドライバ API を使用して、カーネルモジュールを
ロードします。
5. カーネル関数をロード
CUDA ドライバ API を使用して、起動したいカーネル
関数をロードします。
6. 引数として渡す値を配列に格納
引数として GPU に渡す値を格納した配列を用意しま
す。
7. カーネル関数を起動
CUDA ドライバ API を使用して、カーネル関数を起動
します。

３．５．デモ
Nbody シミュレーション
(:ql
?:cl-?‐cuda-?‐interop-?‐examples)
(cl-?‐cuda-?‐interop-?‐examples.nbody:main
?:gpu
?t
?:interop
?t)

３．６．パフォーマンス比較
GPU を利用して並列計算することで、CPU での逐次処理に対し、40倍近い性能向上が得られまし
た。
x37.5
Amazon EC2 インスタンス
プロセッサ
コア数
g2.2xlarge g2.2xlarge
Xeon E5-2670 2.6GHz NVIDIA GRID K520
1 コア
（シングルスレッド、SIMD命令使用せず、gcc -O3相当）
1,536 コア
4.86[sec]
182.2[sec]
SPH(Smoothed Particle Hydrodynamics) による流体シミュレーション 11,774粒子

３．７．レポジトリ
cl-cuda は、GitHub から入手できます。Quicklispは、そのテストポリシーの都合上、登録不可でした。
https://github.com/takagi/cl-cuda/

狠狠撸

Lisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common Lisp

More Related Content

Lisp Meet Up #19, cl-cuda: a library to use NVIDIA CUDA in Common Lisp