Fundamentos del Cómputo Acelerado con CUDA C/C++

Computación GPU y Arquitectura CUDA

• Diferencias arquitectónicas entre CPU y GPU
• Modelo de streaming multiprocesador (SM) de NVIDIA GPU
• Visión general del modelo de programación CUDA
• Cómputo heterogéneo y el paradigma host-dispositivo

Configuración del Entorno de Desarrollo CUDA

• Instalación del CUDA Toolkit 13.x
• Compilador NVCC y flujo de trabajo de construcción
• Verificación del entorno con consultas de dispositivo
• Integración de IDE y herramientas de desarrollo

Escritura y Lanzamiento de Kernels CUDA

• Sintaxis y calificadores de funciones kernel
• Configuración de lanzamiento y ejecución
• Suma de vectores y patrones básicos de paralelo de datos
• Macró para verificación de errores CUDA

Jerarquía de Hilos CUDA y Modelo de Ejecución

• Organización de grid, bloque e hilo
• Indexación de hilos y cálculo del ID global
• Ejecución de warps y modelo SIMT
• Ocupación y utilización de recursos

Arquitectura y Gestión de Memoria GPU

• Tipos de memoria: global, compartida, constante y registros
• Asignación y liberación de memoria de dispositivo
• Transferencias host-a-dispositivo y dispositivo-a-host
• Memoria compartida para colaboración intra-bloque

Memoria Unificada y Migración de Datos

• Modelo de memoria unificada y asignaciones gestionadas
• Migración de páginas y paginación bajo demanda
• Prefetching asíncrono con cudaMemPrefetchAsync
• Pistas de consejo de memoria para patrones de acceso

Perfilado a Nivel de Sistema con Nsight Systems

• Análisis de línea de tiempo de Nsight Systems
• Identificación de puntos de sincronización CPU-GPU
• Visualización de la ejecución de kernels y transferencias de memoria
• Interpretación de datos de rendimiento a nivel del sistema

Optimización de Kernels con Nsight Compute

• Perfilado interactivo de kernels con Nsight Compute
• Análisis de ancho de banda y flujo de datos en memoria
• Utilización de cómputo y estadísticas de estado de warp
• Análisis guiado y reglas de optimización

Flujos Concurrentes y Operaciones Asíncronas

• Flujos CUDA y el flujo predeterminado
• Superposición de ejecución de kernels con transferencias de datos
• Sincronización de flujos y eventos CUDA
• Patrones de diseño de tuberías multi-flujo

Manejo de Errores y Herramientas de Depuración

• Códigos de error de la API CUDA y estrategias de recuperación
• Compute-sanitizer para verificación de acceso a memoria
• cuda-gdb para depuración de kernels
• Aserciones y detección síncrona de errores

Flujo de Trabajo de Optimización Basado en Perfilado

• Metodología iterativa de perfilado
• Identificación y priorización de cuellos de botella
• Pruebas de regresión de rendimiento
• Documentación de decisiones de optimización

Proyecto Final de Aplicación Acelerada Extremo a Extremo

• Diseño de una solución GPU acelerada completa
• Integración del perfilado durante todo el desarrollo
• Pruebas comparativas (benchmarking) y presentación de informes de rendimiento
• Consideraciones de despliegue para producción