Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción a la arquitectura de las GPU de Biren

  • Resumen de Biren y casos de uso
  • Diseño de hardware: núcleos, memoria, clústeres de cómputo
  • Comparación con GPU de NVIDIA y AMD

Configuración del entorno de programación de Biren

  • Instalación del SDK de Biren y el runtime
  • Comprensión de la cadena de herramientas (toolchain) y el modelo de compilador
  • Estructura básica de proyectos 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

Porteo desde CUDA a Biren

  • Técnicas de traducción para código de CUDA
  • Mapeos comunes de API y adaptaciones
  • Laboratorios y práctica de conversión de código

Depuración y perfilado (profiling)

  • Uso del depurador y perfilador de Biren
  • Identificación de cuellos de botella
  • Patrones de acceso a memoria y optimización

Técnicas de optimización

  • Programación de hilos y canalización de instrucciones
  • Desenrollado de bucles y uso de memoria compartida
  • Ajuste avanzado de kernels para el rendimiento (throughput)

Caso de estudio y ejemplos de aplicación

  • Entrenamiento de un modelo con aceleradores de Biren
  • Porteo y perfilado de un modelo de visión o NLP
  • Comparación de rendimiento frente a CUDA/NVIDIA

Resumen y próximos pasos

Requerimientos

  • Conocimiento de la arquitectura de GPU y el procesamiento paralelo
  • Experiencia con CUDA, OpenCL o entornos de programación de GPU similares
  • Familiaridad con marcos de aprendizaje profundo como PyTorch o TensorFlow

Público objetivo

  • Desarrolladores de HPC
  • Ingenieros de infraestructura de IA
  • Especialistas en optimización de rendimiento

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas