Contacta con nosotros

Temario del curso

Introducción a la arquitectura de GPU Biren

  • Descripción general y casos de uso de Biren
  • Disposición del hardware: núcleos, memoria, clústeres de cómputo
  • Comparación con GPUs de NVIDIA y AMD

Configuración del entorno de programación Biren

  • Instalación del SDK y el tiempo de ejecución de Biren
  • Comprensión del conjunto de herramientas y el modelo del compilador
  • Estructura básica del proyecto y proceso de construcción

Programación de GPU con la pila 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 API
  • Laboratorios y práctica de conversión de código

Depuración y perfilado

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

Técnicas de optimización

  • Programación de hilos y canalización de instrucciones
  • Despliegue de bucles y uso de memoria compartida
  • Ajuste avanzado de kernels para mejorar el rendimiento (throughput)

Estudio de caso y ejemplos de aplicación

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

Resumen y próximos pasos

Requerimientos

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

Público 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