Programación NVIDIA GPU - Extended

Introducción

Fundamentos de la metodología de computación heterogénea

¿Por qué la computación paralela? Justificación y necesidad de esta técnica

Procesadores multinúcleo: arquitectura y diseño

Introducción a los hilos, conceptos básicos y fundamentos de la programación paralela

Bases para la optimización del software en entornos con GPU

OpenMP: estándar para la programación paralela basada en directivas

Práctica y demostraciones con distintos programas en máquinas multinúcleo

Introducción a la computación con GPU

Las GPUs en la computación paralela

Modelo de programación para GPUs

Ejercicios prácticos y demostraciones sobre programas ejecutados en GPU

SDK, herramientas y procedimientos de instalación del entorno de desarrollo para GPU

Trabajo con distintas bibliotecas informáticas

Demostración del funcionamiento de las GPU y sus herramientas mediante ejemplos y OpenACC

Modelo de programación en CUDA: conceptos esenciales

Arquitectura de CUDA: características principales

Configuración del entorno de desarrollo en CUDA

Manejo de la API de tiempo de ejecución en CUDA

Modelo de memoria en CUDA: fundamentos y usos

Otras funcionalidades ofrecidas por la API de CUDA

Acceso eficiente a la memoria global en CUDA: optimización recomendada

Optimización del intercambio de datos con el uso de flujos CUDA

Aplicación de la memoria compartida en programas escritos para CUDA

Uso adecuado de operaciones atómicas e instrucciones especiales en CUDA

Caso práctico: procesamiento digital básico de imágenes mediante CUDA

Programación con múltiples GPUs: técnicas y buenas prácticas

Análisis avanzado del hardware y muestreo en entornos NVIDIA/CUDA

Aprovechamiento de la API de paralelismo dinámico en CUDA para ejecutar kernels sin previo diseño

Resumen final y conclusiones