Fundamentos de la computación acelerada con CUDA C/C++

Computación GPU y Arquitectura de CUDA

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

Configuración del Entorno de Desarrollo de CUDA

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

Escribiendo e Iniciando Kernels CUDA

• Sintaxis y calificadores de funciones kernel
• Lanzamiento de configuración y ejecución
• Suma de vectores y patrones básicos de datos-paralelos
• Máquinas de verificación de errores CUDA

Jerarquía de Hilos CUDA y Modelo de Ejecución

• Organización en grid, bloque e hilo
• Indexación de hilos y cálculo del ID global
• Ejecución de warps y modelo SIMT
• Ocupancia y utilización de recursos

Arquitectura y Gestión de Memoria GPU

• Tipos de memoria: global, compartida, constante, registros
• Asignación y liberación de memoria de dispositivo
• Transferencias host-a-dispositivo y dispositivo-a-host
• 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
• Prefetching asíncrono con cudaMemPrefetchAsync
• Avisos de memoria para patrones de acceso

Perfilado a Nivel de Sistema con Nsight Systems

• Análisis de línea temporal en Nsight Systems
• Identificación de puntos de sincronización CPU-GPU
• Visualización de 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 en Nsight Compute
• Análisis de throughput y ancho de banda de memoria
• Utilización de cómputo y estadísticas de estado de warps
• Análisis guiado y reglas de optimización

Streams 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 CUDA
• Patrones de diseño para pipelines multi-stream

Gestión de Errores y Herramientas de Depuración

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

Flujo de Trabajo de Optimización Basado en Perfiles

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

Proyecto de Aplicación Acelerada de Extremo a Extremo

• Diseño de una solución GPU acelerada completa
• Integración del perfilado durante todo el desarrollo
• Evaluación y reporte de rendimiento
• Consideraciones de implementación para producción