Formation WebGPU

Programme de notre formation WebGPU

[Jour 1 – Matin]

Fondamentaux et architecture WebGPU

• Positionnement de WebGPU dans l’écosystème graphique web et différences avec WebGL
• Comprendre le modèle GPU : adaptateur, périphérique logique, file de commandes et ressources
• Découvrir les objets centraux : GPUAdapter, GPUDevice, GPUQueue et GPUCanvasContext
• Initialiser WebGPU dans une application JavaScript et gérer l’absence de compatibilité
• Configurer le canvas, le format de présentation et le cycle de préparation du rendu
• Atelier pratique : initialiser un projet WebGPU, détecter les capacités disponibles et afficher un canvas configuré

[Jour 1 – Après-midi]

Premier pipeline de rendu et shaders WGSL

• Comprendre les étapes d’un pipeline de rendu : sommets, primitives, rasterisation et fragments
• Prendre en main la syntaxe de WGSL : types, fonctions, attributs, structures et vecteurs
• Créer un module de shader et définir les points d’entrée vertex et fragment
• Créer un GPURenderPipeline et encoder une passe de rendu
• Utiliser des vertex buffers pour transmettre positions et couleurs à la carte graphique
• Atelier pratique : programmer et afficher un triangle coloré avec un vertex shader et un fragment shader WGSL

[Jour 2 – Matin]

Ressources GPU, transformations et textures

• Créer et alimenter les GPUBuffer selon leurs usages : vertex, index, uniform et storage
• Comprendre l’alignement mémoire, les structures de données et les échanges entre JavaScript et WGSL
• Organiser les ressources avec les bind groups et les bind group layouts
• Appliquer des transformations 2D et 3D avec vecteurs, matrices et uniform buffers
• Charger et exploiter des textures, des samplers et les coordonnées UV
• Atelier pratique : rendre une géométrie transformée et texturée à partir de buffers et d’un bind group

[Jour 2 – Après-midi]

Calcul GPU, diagnostic et optimisation

• Identifier les cas d’usage des compute shaders : traitements massivement parallèles, simulation et préparation de données
• Construire un GPUComputePipeline, définir les workgroups et déclencher un dispatch
• Lire les résultats d’un calcul GPU et synchroniser les buffers avec l’application
• Gérer les limites, les fonctionnalités optionnelles, les error scopes et la perte de périphérique
• Optimiser les performances : réduction des transferts CPU GPU, mutualisation des ressources et mesure des charges
• Atelier pratique : réaliser un calcul parallèle sur GPU, récupérer son résultat et intégrer le traitement dans une application de démonstration