Programación con GPU en OpenCL

Introducción

• ¿Qué es OpenCL?
• OpenCL vs CUDA vs SYCL
• Resumen de las características y arquitectura de OpenCL
• Configuración del Entorno de Desarrollo

Primeros Pasos

• Creación de un nuevo proyecto de OpenCL utilizando Visual Studio Code
• Exploración de la estructura del proyecto y archivos
• Compilación y ejecución del programa
• Mostrar la salida utilizando printf y fprintf

API de OpenCL

• Comprensión del papel de la API de OpenCL en el programa del host
• Uso de la API de OpenCL para consultar información y capacidades del dispositivo
• Uso de la API de OpenCL para crear contextos, colas de comandos, búferes, kernels y eventos
• Uso de la API de OpenCL para encolar comandos, como leer, escribir, copiar, mapear, desmapear, ejecutar y esperar
• Uso de la API de OpenCL para manejar errores y excepciones

OpenCL C

• Comprensión del papel de OpenCL C en el programa del dispositivo
• Uso de OpenCL C para escribir kernels que se ejecutan en el dispositivo y manipulan datos
• Uso de tipos de datos, calificadores, operadores y expresiones de OpenCL C
• Uso de funciones integradas de OpenCL C, como matemáticas, geométricas, relacionales, etc.
• Uso de extensiones y bibliotecas de OpenCL C, como atómicas, imágenes, cl_khr_fp16, etc.

Modelo de Memoria de OpenCL

• Comprensión de la diferencia entre los modelos de memoria de host y dispositivo
• Uso de espacios de memoria de OpenCL, como global, local, constante y privado
• Uso de objetos de memoria de OpenCL, como búferes, imágenes y tuberías (pipes)
• Uso de modos de acceso a memoria de OpenCL, como solo lectura, solo escritura, lectura-escritura, etc.
• Uso del modelo de consistencia de memoria y mecanismos de sincronización de OpenCL

Modelo de Ejecución de OpenCL

• Comprensión de la diferencia entre los modelos de ejecución de host y dispositivo
• Uso de elementos de trabajo (work-items), grupos de trabajo (work-groups) y ND-ranges de OpenCL para definir el paralelismo
• Uso de funciones de elementos de trabajo de OpenCL, como get_global_id, get_local_id, get_group_id, etc.
• Uso de funciones de grupos de trabajo de OpenCL, como barrier, work_group_reduce, work_group_scan, etc.
• Uso de funciones de dispositivo de OpenCL, como get_num_groups, get_global_size, get_local_size, etc.

Depuración

• Comprensión de los errores y fallos comunes en programas de OpenCL
• Uso del depurador de Visual Studio Code para inspeccionar variables, puntos de interrupción, pila de llamadas, etc.
• Uso de CodeXL para depurar y analizar programas de OpenCL en dispositivos AMD
• Uso de Intel VTune para depurar y analizar programas de OpenCL en dispositivos Intel
• Uso de NVIDIA Nsight para depurar y analizar programas de OpenCL en dispositivos NVIDIA

Optimización

• Comprensión de los factores que afectan el rendimiento de los programas de OpenCL
• Uso de tipos de datos vectoriales y técnicas de vectorización de OpenCL para mejorar la throughput aritmética
• Uso de técnicas de desenrollado de bucles (loop unrolling) y bloqueado de bucles (loop tiling) de OpenCL para reducir la sobrecarga de control e incrementar la localidad
• Uso de memoria local y funciones de memoria local de OpenCL para optimizar el acceso a la memoria y la banda ancha
• Uso de perfiles de rendimiento (profiling) y herramientas de profiling de OpenCL para medir y mejorar el tiempo de ejecución y la utilización de recursos