Concevoir le pipeline de traitement
Étapes, tampons et flux de données
Concevoir le pipeline de traitement est une leçon CUDA Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage CUDA Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours CUDA Academy comprend 4 leçons au total.
Raisonnez en étapes
Un véritable pipeline d'images est une chaîne d'étapes : charger, flouter, accentuer, corriger les couleurs, enregistrer. Chaque étape est une transformation claire que vous pouvez analyser séparément. 🧩
Les données circulent dans un seul sens
Les pixels avancent dans le pipeline : chaque étape lit la sortie précédente et produit l'entrée suivante. Ce flux de données unidirectionnel rend la conception facile à suivre.
Les tampons contiennent les données intermédiaires
Entre deux étapes, il vous faut un endroit où stocker les pixels. Un tampon est simplement un tableau du périphérique dans lequel un kernel écrit et que le suivant lit. Prévoyez un tampon par frontière.
float* d_stage1;
cudaMalloc(&d_stage1, width * height * sizeof(float));Deux tampons en alternance
Vous avez rarement besoin d'un nouveau tampon par étape. Alternez entre deux tampons selon le principe du ping-pong : lisez dans l'un, écrivez dans l'autre, puis échangez-les. Deux tampons suffisent pour toute une chaîne.
std::swap(d_in, d_out);Un kernel par étape, pour commencer
Commencez par un kernel par étape. C'est la conception la plus claire et la plus facile à vérifier. Vous regrouperez les étapes plus tard, une fois chacune validée.
Associez les pixels aux threads
L'association naturelle consiste à utiliser un thread par pixel. Une grille 2D couvre la largeur et la hauteur, de sorte que chaque thread possède exactement une position (x, y) à traiter.
int x = blockIdx.x * blockDim.x + threadIdx.x;
int y = blockIdx.y * blockDim.y + threadIdx.y;Indexez avec le pas de ligne
Les images sont stockées ligne par ligne. Transformez (x, y) en décalage linéaire avec l'indexation par lignes afin que chaque thread lise le bon pixel.
int idx = y * width + x;Protégez les bords de l'image
Votre grille est arrondie vers le haut, certains threads se retrouvent donc en dehors de l'image. Un simple contrôle des limites les empêche d'accéder à une mémoire qu'ils ne devraient pas toucher.
if (x >= width || y >= height) return;Choisissez une forme de bloc 2D
Un bloc de type 16x16 ou 32x8 offre une bonne couverture et des lignes adaptées aux warps. Choisissez si possible une forme de bloc 2D qui divise proprement l'image.
dim3 block(16, 16);
dim3 grid((width+15)/16, (height+15)/16);Allouez une fois, réutilisez souvent
L'allocation de mémoire du périphérique est coûteuse ; faites-la donc une seule fois avant la boucle. Réutilisez les mêmes tampons pour chaque image au lieu d'allouer et de libérer à chaque fois.
Faites un schéma avant de coder
Dessinez d'abord les étapes, leurs tampons et les flèches qui les relient. Un diagramme clair du flux de données permet de repérer les erreurs de conception bien avant l'exécution d'un kernel. ✏️
Vérification rapide
Vous avez une chaîne d'étapes. Comment éviter d'allouer un nouveau tampon pour chaque étape ?
Récapitulatif
Vous avez conçu une chaîne de traitement composée d’étapes à sens unique reliées par des tampons, associé un thread à chaque pixel au moyen d’une grille 2D, et appris à alterner les tampons tout en esquissant d’abord le flux. 🎯
Apprends C++ avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Concevoir le pipeline de traitement » est-elle gratuite ?
Oui — le texte complet de « Concevoir le pipeline de traitement » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours CUDA Academy, passe à CoddyKit PRO. Le cours CUDA Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Concevoir le pipeline de traitement » ?
Étapes, tampons et flux de données Tu pratiques CUDA Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer CUDA Academy ?
Aucune expérience préalable n'est requise. CUDA Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Concevoir le pipeline de traitement » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon CUDA Academy ?
Oui. Chaque leçon CUDA Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Concevoir le pipeline de traitement
- Fusionner les filtres dans un seul noyau
- Traiter les tuiles en flux pour les grandes images
- Analyser, optimiser, livrer