Programación NVIDIA GPU - Extended

Introducción

Comprensión de los fundamentos de la metodología de computación heterogénea

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

Procesadores de múltiples núcleos: arquitectura y diseño

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

Comprensión de los fundamentos de los procesos de optimización de software para GPU

OpenMP: un estándar para la programación paralela basada en directivas

Práctica / demostración de varios programas en máquinas multicore

Introducción a la computación con GPU

GPU para computación paralela

Modelo de programación de GPU

Práctica / demostración de varios programas en GPU

SDK, kit de herramientas e instalación del entorno para GPU

Trabajo con diversas bibliotecas

Demstración de GPU 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 ejecución de CUDA

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 memoria global

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

Uso de memoria compartida en CUDA

Comprensión y uso de operaciones e instrucciones atómicas en CUDA

Estudio de caso: procesamiento básico de imágenes digitales con CUDA

Trabajo con programación multi-GPU

Perfilado y muestreo avanzados del hardware en NVIDIA / CUDA

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

Resumen y conclusión