Programación NVIDIA GPU - Extended

Introducción

Comprensión de los fundamentos de la metodología de computación heterogénea

¿Por qué computación paralela? Comprender la necesidad de la computación paralela

Procesadores multicore: arquitectura y diseño

Introducción a los hilos, conceptos básicos de los hilos y nociones fundamentales de programación en paralelo

Comprensión de los fundamentos de los procesos de optimización de software para GPU

OpenMP: un estándar para la programación en paralelo basada en directivas

Taller/demostración con diversos programas en máquinas multicore

Introducción a la computación en GPU

GPUs para computación paralela

Modelo de programación de GPUs

Taller/demostración con diversos programas en GPU

SDK, kit de herramientas e instalación del entorno para GPU

Trabajo con diversas bibliotecas

Demostración de GPU y herramientas con programas de ejemplo y OpenACC

Comprensión del modelo de programación de CUDA

Aprendizaje de la arquitectura de CUDA

Exploración y configuración de entornos de desarrollo de CUDA

Trabajo con la API de tiempo de ejecución de CUDA

Comprensión del modelo de memoria de CUDA

Exploración de características adicionales de la API de CUDA

Acceso eficiente a la memoria global en CUDA: optimización de la memoria global

Optimización de transferencias de datos en CUDA utilizando secuencias de CUDA (CUDA Streams)

Uso de la memoria compartida en CUDA

Comprensión y uso de operaciones e instrucciones atómicas en CUDA

Caso práctico: procesamiento básico de imágenes digitales con CUDA

Trabajo con programación para múltiples GPUs

Perfilado y muestreo avanzados del hardware en NVIDIA/CUDA

Uso de la API de paralelismo dinámico de CUDA para el lanzamiento dinámico de kernels

Resumen y conclusión