Seminar Kompaktseminar GPU-Programmierung (Entscheider + Entwickler)

Inhaltsverzeichnis

• Abstract
• Zielgruppe und Einsatzszenarien
• Lernziele
• Inhalte (kompakt)
• Praxisanteil
• Agenda

Abstract

Das Kompaktseminar liefert in drei Tagen einen praxisfähigen Überblick über GPU-Programmierung und die wichtigsten Stellhebel für Erfolg: Problem-Eignung, Datenlayout, Kernelgrundlagen, Messmethodik und typische Fallstricke. CUDA und OpenCL werden so weit behandelt, dass kleine Workloads selbstständig umgesetzt und validiert werden können. Der Fokus liegt auf schneller Entscheidungsfähigkeit und einem sauberen Minimal-Workflow, der als Startpunkt für vertiefende Module dient.

Zielgruppe und Einsatzszenarien

• Zielgruppe: Teams in der Evaluations- oder Startphase, Projektleitende mit Technikanteil, Entwicklung mit Zeitdruck
• Einsatz: Machbarkeitsstudien, Prototyping, Grundlagen für interne Coding-Guidelines

Lernziele

• GPU-Eignung von Workloads einschätzen
• Minimalprojekt mit Kernel + Transfer + Timing erstellen
• Häufigste Performance- und Correctness-Fallen vermeiden
• Nächste Schritte strukturiert planen (Vertiefungsroute)

Inhalte (kompakt)

• GPU-Grundbegriffe: Parallelität, Speicherhierarchie, Bottlenecks
• Kernelgrundlagen: Threading, Indexierung, Datenpartitionierung
• Speicher und Transfers: Overheads, Pinning/Unified (konzeptionell)
• Profiling light: Timing, einfache Metriken, Baseline-Disziplin
• Correctness light: Bounds, einfache Race-Vermeidung, Vergleichsmetriken
• CUDA vs OpenCL: Auswahlkriterien, Portabilitätskosten, Tooling-Überblick

Praxisanteil

• Ein gemeinsamer Mini-Workload (z. B. Filter/Reduce) in zwei Varianten
• Fokus auf „läuft korrekt“ und „messbar schneller als CPU-Baseline“ auf Einsteiger-Niveau

Agenda

• Tag 1
  • GPU-Grundlagen + Minimal-Workload Baseline
• Tag 2
  • Kernel-Implementierung + Datenlayout + erste Optimierungen
• Tag 3
  • Profiling light + Correctness-Checks + API-Vergleich CUDA/OpenCL