Fundamentos de computación acelerada con CUDA C/C++

Computación GPU y Arquitectura CUDA

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

Configuración del entorno de desarrollo CUDA

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

Escritura y lanzamiento de Kernels CUDA

• Sintaxis y calificadores de funciones kernel
• Lanzamiento de configuración y ejecución
• Suma de vectores y patrones básicos de paralelismo de datos
• Máscaras de verificación 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 Warp y modelo SIMT
• Ocupación y utilización de recursos

Arquitectura de Memoria GPU y Gestión

• 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
• Prebúsqueda asíncrona con cudaMemPrefetchAsync
• Pistas de consejo de memoria para patrones de acceso

Perfilado a Nivel del Sistema con Nsight Systems

• Análisis de línea temporal de Nsight Systems
• Identificación de puntos de sincronización CPU-GPU
• Visualización de la 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 throughput y ancho de banda de memoria
• Utilización de cómputo y estadísticas de estado de Warp
• Análisis guiado y reglas de optimización

Flujos Concurrentes y Operaciones Asíncronas

• Flujos CUDA y el flujo predeterminado
• Superposición de ejecución de kernels con transferencias de datos
• Sincronización de flujos y eventos CUDA
• Patrones de diseño de pipelines multi-flujo

Gestión de Errores y Herramientas de Depuración

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

Flujo de Trabajo de Optimización Basado en Perfilado

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

Proyecto Final de Aplicación Acelerada de Extremo a Extremo

• Diseño de una solución GPU acelerada completa
• Integración del perfilado durante todo el desarrollo
• Evaluación y reporte de rendimiento
• Consideraciones de despliegue para producción