Fundamentos del cómputo acelerado con CUDA C/C++

Computación en GPU y Arquitectura de CUDA

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

Configuración del Entorno de Desarrollo CUDA

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

Escribiendo y Lanzando Kernels CUDA

• Sintaxis y calificadores de funciones de kernel
• Configuración de lanzamiento y ejecución
• Suma de vectores y patrones básicos de paralelismo de datos
• Macruras de comprobación de errores de CUDA

Jerarquía de Hilos CUDA y Modelo de Ejecución

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

Arquitectura y Gestión de Memoria GPU

• Tipos de memoria: global, compartida, constante y registros
• Asignación y liberación de memoria del dispositivo
• Transferencias entre host y dispositivo, y viceversa
• Memoria compartida para la colaboración dentro del 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
• Sugerencias de consejo de memoria para patrones de acceso

Perfilado a Nivel de Sistema con Nsight Systems

• Análisis de la línea de tiempo en Nsight Systems
• Identificación de puntos de sincronización entre CPU y GPU
• Visualización de la ejecución del kernel y transferencias de memoria
• Interpretación de datos de rendimiento a nivel de sistema

Optimización de Kernels con Nsight Compute

• Perfilado interactivo de kernels en Nsight Compute
• Análisis de ancho de banda y capacidad de transferencia de memoria
• Estadísticas de estado del warp y utilización del cálculo
• Análisis guiado y reglas de optimización

Streams Concurrentes y Operaciones Asíncronas

• Streams de CUDA y el stream predeterminado
• Solapar la ejecución del kernel con transferencias de datos
• Sincronización de streams y eventos CUDA
• Patrones de diseño para tuberías multi-stream

Manejo de Errores y Herramientas de Depuración

• Códigos de error de la API de CUDA y estrategias de recuperación
• Compute-sanitizer para la comprobación de accesos a memoria
• cuda-gdb para la depuración de kernels
• Asertions y detección sincrónica de errores

Flujo de Trabajo de Optimización Basado en Perfiles

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

Proyecto Final de Aplicación Acelerada de Extremo a Extremo

• Diseño de una solución completa acelerada por GPU
• Integración del perfilado durante todo el desarrollo
• Pruebas de referencia (benchmarking) e informes de rendimiento
• Consideraciones de implementación para entornos de producción