Contacta con nosotros

Temario del curso

Introducción a la arquitectura de GPU de Biren

  • Descripción general de Biren y casos de uso
  • Distribución del hardware: núcleos, memoria, clústeres de computación
  • Comparativa con GPUs de NVIDIA y AMD

Configuración del entorno de programación de Biren

  • Instalación del SDK de Biren y el runtime
  • Comprensión del toolchain y el modelo del compilador
  • Estructura básica del proyecto y proceso de construcción

Programación de GPU con el stack de Biren

  • Modelos de hilos y bloques
  • Gestión de memoria y transferencias de datos
  • Desarrollo de kernels y patrones de lanzamiento

Portabilidad desde CUDA a Biren

  • Técnicas de traducción para código CUDA
  • Mapeos y adaptaciones comunes de la API
  • Laboratorios de conversión de código y práctica

Depuración y perfilado

  • Uso del depurador y el profiler de Biren
  • Identificación de cuellos de botella
  • Patrones de acceso a la memoria y optimización

Técnicas de optimización

  • Programación de hilos y pipelining de instrucciones
  • Despliegue de bucles y uso de memoria compartida
  • Ajuste avanzado de kernels para mayor rendimiento (throughput)

Estudio de caso y ejemplos de aplicación

  • Entrenamiento de un modelo con aceleradores de Biren
  • Portar y perfilear un modelo de visión por computadora o PLN
  • Comparación del rendimiento frente a CUDA/NVIDIA

Resumen y siguientes pasos

Requerimientos

  • Comprensión de la arquitectura de GPU y el procesamiento paralelo
  • Experiencia con CUDA, OpenCL o entornos similares de programación de GPU
  • Familiaridad con frameworks de aprendizaje profundo como PyTorch o TensorFlow

Audiencia objetivo

  • Desarrolladores de HPC
  • Ingenieros de infraestructura de IA
  • Especialistas en optimización de rendimiento
 21 Horas

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas