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

Computación con GPU y Arquitectura CUDA

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

Configuración del Entorno de Desarrollo CUDA

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

Escribir y Lanzar Kernels CUDA

• Sintaxis y calificadores de funciones kernel
• Configuración de lanzamiento y ejecución
• Suma de vectores y patrones básicos de datos paralelos
• Marcos de comprobación de errores 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 warps y modelo SIMT
• Ocupación y utilización de recursos

Arquitectura y Gestión de Memoria GPU

• Tipos de memoria: global, compartida, constante, registros
• Asignación y liberación de memoria del 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
• Precarga asíncrona con cudaMemPrefetchAsync
• Sugerencias de orientación de memoria para patrones de acceso

Perfilado a Nivel de Sistema con Nsight Systems

• Análisis de la línea temporal de 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 con Nsight Compute
• Análisis de ancho de banda y throughput de memoria
• Utilización de cómputo y estadísticas de estado de warp
• Análisis guiado y reglas de optimización

Secuencias Concurrentes y Operaciones Asíncronas

• Secuencias CUDA y la secuencia predeterminada
• Superposición de ejecución de kernels con transferencias de datos
• Sincronización de secuencias y eventos CUDA
• Patrones de diseño de pipelines multi-secuencia

Gestión de Errores y Herramientas de Depuración

• Códigos de error de la API CUDA y estrategias de recuperación
• Compute-sanitizer para comprobación de acceso a memoria
• cuda-gdb para depuración de kernels
• Aserciones y detección de errores sincrónicos

Flujo de Trabajo de Optimización Basada en Perfilado

• Metodología iterativa de perfilado
• 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 completa acelerada por GPU
• Integración del perfilado durante todo el desarrollo
• Realización de benchmarks de rendimiento e informes
• Consideraciones para el despliegue en producción