Fundamentos del cálculo acelerado con CUDA C/C++

Computación GPU y arquitectura CUDA

• Diferencias arquitectónicas entre CPU y GPU
• Modelo de multiprocesadores de streaming de NVIDIA GPU
• Visión general del modelo de programación de CUDA
• Computación heterogénea y el paradigma anfitrión-dispositivo

Configuración del entorno de desarrollo CUDA

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

Escribir y lanzar kernels CUDA

• Sintaxis y calificadores de funciones de kernel
• Configuración de lanzamiento y ejecución
• Suma de vectores y patrones básicos de paralelismo de datos
• Macs de comprobación de errores de CUDA

Jerarquía de hilos y modelo de ejecución de CUDA

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

Arquitectura y gestión de memoria GPU

• Tipos de memoria: global, compartida, constante, registros
• Asignación y liberación de memoria del dispositivo
• Transferencias de anfitrión a dispositivo y de dispositivo a anfitrión
• 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
• Prefetched asíncrono con cudaMemPrefetchAsync
• Pistas de consejo de memoria para patrones de acceso

Perfilado del 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 rendimiento y ancho de banda de memoria
• Utilización de computación y estadísticas de estado de warp
• Análisis guiado y reglas de optimización

SStreams concurrentes y operaciones asíncronas

• Streams de CUDA y el stream predeterminado
• Superposición de ejecución de kernels con transferencias de datos
• Sincronización de streams y eventos de CUDA
• Patrones de diseño de tuberías multi-stream

Gestión de errores y herramientas de depuración

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

Flujo de trabajo de optimización impulsado por perfiles

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

Proyecto completo de aplicación acelerada

• Diseño de una solución GPU completamente acelerada
• Integración del perfilado durante todo el desarrollo
• Medición y reporte de rendimiento
• Consideraciones de despliegue para producción