CS Knowledge Base

Cet article est une ébauche concernant l’informatique et le jeu vidéo.

Vous pouvez partager vos connaissances en l’améliorant (comment ?) selon les recommandations des projets correspondants.

Cet article ne cite pas suffisamment ses sources (décembre 2015).

Si vous disposez d'ouvrages ou d'articles de référence ou si vous connaissez des sites web de qualité traitant du thème abordé ici, merci de compléter l'article en donnant les références utiles à sa vérifiabilité et en les liant à la section « Notes et références ».

En pratique : Quelles sources sont attendues ? Comment ajouter mes sources ?

GPGPU est l'abréviation de general-purpose computing on graphics processing units, c'est-à-dire calcul générique sur processeur graphique. L'objectif de tels calculs est de bénéficier de la capacité de traitement parallèle des processeurs graphiques.

Avant l'arrivée des GPGPU, le CPU, processeur central de l'ordinateur, traitait la plupart des opérations lourdes en calcul comme les simulations physiques, le rendu hors-ligne pour les films, les calculs de risques pour les institutions financières, la prévision météorologique, l'encodage de fichier vidéo et son, etc.

Intel avec ses 80 % de parts de marché sur les CPU dominait donc très largement tous les besoins en calcul et pouvait en extraire de substantielles marges.

Certains de ces calculs lourds sont cependant facilement parallélisables et peuvent donc bénéficier d'une architecture pensée pour le calcul parallèle^[1]. La plupart des architectures parallèles étaient lourdes, chères et s'adressaient à un marché de niche jusqu'à ce que le GPU s'impose comme un acteur important du calcul parallèle.

Le GPU est un produit grand public avec une large diffusion grâce aux débouchés des jeux vidéo, ce qui permet d'en réduire les coûts par rapport à une architecture trop spécialisée. Une architecture taillée pour le calcul parallèle au point d'afficher, dans certaines tâches, des performances largement supérieures par rapport à un CPU haut de gamme de dernière génération. Dans certains cas, la durée d'exécution peut être réduite de plusieurs ordres de grandeur, comme avec les multiplications matricielles^[2].

Si les premiers GPU étaient à fonctions fixes, ils ont évolué pour devenir programmables. Ainsi depuis la série NVIDIA GeForce 3 (2001) qui implémente les Pixels shaders 1.1, les processeurs graphiques disposent d'une unité de géométrie programmable. Et depuis la AMD Radeon R300 qui implémente les Pixels shaders 2.0, le calcul se fait sur des nombres flottants et plus seulement sur des nombres entiers.

Les pilotes libres de cartes graphiques AMD Radeon pour Linux recourent aux shaders pour accélérer le décodage vidéo (voir Video Acceleration API) sur les machines équipées d'un processeur d'ISA x86_64, car ceux-ci ne sont généralement pas associés à décodeur vidéo matériel dédié, contrairement aux SoC ARM ou RISC-V par exemple.

Pour permettre aux développeurs de tirer parti de ces nouvelles capacités, il existe plusieurs standards logiciels :

• CUDA de NVIDIA
• ATI Stream de AMD
• OpenCL de Khronos Group

Ces frameworks permettent d'utiliser le GPU comme un outil de calcul massivement parallèle, sans devoir faire appel directement aux fonctionnalités graphiques bas niveau du matériel^[3]