Contacta con nosotros

Temario del curso

Introducción a la arquitectura GPU de Biren

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

Configuración del entorno de programación de Biren

  • Instalación del SDK y el runtime de Biren.
  • Comprensión del conjunto de herramientas y el modelo de compilador.
  • Estructura básica del proyecto y proceso de compilación.

Programación de GPU con la pila de 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 de código CUDA.
  • Mapeos y adaptaciones comunes de API.
  • Laboratorios y práctica de conversión de código.

Depuración y perfilado

  • Uso del depurador y el perfilador de Biren.
  • Identificación de cuellos de botella.
  • Patrones de acceso a la 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 de rendimiento frente a CUDA/NVIDIA.

Resumen y próximos pasos

Requerimientos

  • Comprensión de la arquitectura de GPU y el procesamiento en paralelo.
  • Experiencia con CUDA, OpenCL o entornos de programación de GPU similares.
  • 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

Testimonios (2)

Próximos cursos

Categorías Relacionadas