Ponte en Contacto
 Duración 21 horas

Temario del curso

Introducción a la arquitectura de GPU de Biren

  • Visión general y casos de uso de Biren
  • Disposición del hardware: núcleos, memoria, clústeres de cómputo
  • Comparación con GPUs de NVIDIA y AMD

Configuración del entorno de programación de Biren

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

Programación de GPU con el stack de Biren

  • Modelos de hilos (threads) y bloques
  • Gestión de memoria y transferencias de datos
  • Desarrollo de kernels (núcleos de ejecución) y patrones de lanzamiento

Portabilidad desde CUDA a Biren

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

Depuración y perfilado

  • 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 (thread scheduling) y canalización de instrucciones (instruction pipelining)
  • Despliegue de bucles (loop unrolling) 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 Biren
  • Portabilidad y perfilado de un modelo de visión o NLP
  • Comparación de rendimiento frente a CUDA/NVIDIA

Resumen y próximos pasos

Requerimientos

  • Comprensión de la arquitectura de GPU y el procesamiento paralelo.
  • Experiencia con CUDA, OpenCL o entornos similares de programación de GPU.
  • Familiaridad con frameworks 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