Programación NVIDIA GPU - Extended

Introducción

Comprensión de los fundamentos de la metodología de computación heterogénea

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

Procesadores multinúcleo: arquitectura y diseño

Introducción a hilos, conceptos básicos de hilos y nociones fundamentales de programación paralela

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

OpenMP: un estándar para programación paralela basada en directivas

Ejercicios prácticos / demostración de diversos programas en máquinas multinúcleo

Introducción a la computación con GPU

GPUs para computación paralela

Modelo de programación de GPUs

Ejercicios prácticos / demostración de 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 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 memoria global en CUDA: optimización de memoria global

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

Uso de memoria compartida en CUDA

Comprensión y uso de operaciones e instrucciones atómicas en CUDA

Caso de estudio: procesamiento básico de imágenes digitales con CUDA

Trabajo con programación multi-GPU

Perfilado muestreo avanzado de hardware en NVIDIA / CUDA

Uso de la API de paralelismo dinámico de CUDA para lanzamiento dinámico de núcleos (kernels)

Resumen y conclusión