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, conceptos básicos de los hilos y conceptos fundamentales de la programación en paralelo

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

GPUs para computación paralela

Modelo de programación de GPUs

Práctica / demostración de varios programas en GPU

SDK, kit de herramientas e instalación del entorno para GPU

Trabajo con diversas bibliotecas

Demostración de la GPU y herramientas con programas de ejemplo y OpenACC

Comprensión del modelo de programación CUDA

Aprendizaje de la arquitectura CUDA

Exploración y configuración de entornos de desarrollo para CUDA

Trabajo con la API de tiempo de ejecución de CUDA

Comprensión del modelo de memoria de CUDA

Exploración de funciones 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 usando flujos de CUDA

Uso de memoria compartida en CUDA

Comprensión y uso de operaciones atómicas e instrucciones en CUDA

Estudio de caso: procesamiento básico de imágenes digitales con CUDA

Trabajo con programación multi-GPU

Perfilado y muestreo avanzado de hardware en NVIDIA / CUDA

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

Resumen y conclusión