Contacta con nosotros

Temario del curso

Introducción a la arquitectura GPU Biren

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

Configuración del entorno de programación Biren

  • Instalación del SDK y el tiempo de ejecución de Biren
  • Comprensión de la cadena de herramientas y el modelo de compilador
  • Estructura básica del proyecto y proceso de compilación

Programación GPU con la pila Biren

  • Modelos de hilos y bloques
  • Gestión de memoria y transferencias de datos
  • Desarrollo y patrones de ejecución de kernels

Portado de CUDA a Biren

  • Técnicas de traducción para código CUDA
  • Mapeo y adaptación de APIs comunes
  • Laboratorios y práctica de conversión de código

Depuración y análisis de rendimiento (profiling)

  • 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
  • Desenrollo de bucles y uso de memoria compartida
  • Ajuste avanzado de kernels para throughput (rendimiento)

Estudio de caso y ejemplos de aplicación

  • Entrenamiento de un modelo con aceleradores Biren
  • Portado y análisis de un modelo de visión computacional o NLP
  • Comparación de rendimiento frente a CUDA/NVIDIA

Resumen y próximos pasos

Requerimientos

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

Audiencia

  • 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