Programación NVIDIA GPU - Extended

Introducción

Comprensión de los fundamentos de la metodología de computación heterogénea

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

Procesadores multinúcleo - Arquitectura y diseño

Introducción a los hilos (threads), conceptos básicos de hilos y fundamentos de la programación paralela

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

OpenMP - Un estándar para la programación paralela basada en directivas

Práctica / demostración de varios programas en máquinas multinúcleo

Introducción a la computación con GPU

GPUs para computación paralela

Modelo de programación de GPUs

Práctica / demostración de varios programas en una GPU

SDK, Kit de desarrollo y configuración del entorno para GPU

Trabajo con diversas bibliotecas

Demostración de GPUs y herramientas con programas de ejemplo y OpenACC

Comprensión del modelo de programación de CUDA

Aprendizaje de la arquitectura de CUDA

Exploración y configuración de los entornos de desarrollo de CUDA

Trabajo con la API de tiempo de ejecución de CUDA (CUDA Runtime API)

Comprensión del modelo de memoria de CUDA

Exploración de características adicionales de la API de CUDA

Acceso eficiente a la memoria global en CUDA: optimización de la memoria global

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

Uso de la memoria compartida en CUDA

Comprensión y uso de operaciones e instrucciones atómicas en CUDA

Caso de estudio: Procesamiento básico de imágenes digitales con CUDA

Programación con múltiples GPUs

Perfilado y muestreo avanzados del hardware en NVIDIA / CUDA

Uso de la API de paralelismo dinámico de CUDA para el lanzamiento dinámico de kernels

Resumen y conclusión