Fundamentos de Computación Acelerada con CUDA C/C++

Computación GPU y Arquitectura CUDA

• Diferencias arquitectónicas entre CPU y GPU
• Modelo de multiprocesores de streaming (SM) de 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 dispositivo
• Integración con IDE y herramientas de desarrollo

Escritura y Lanzamiento de Kernels CUDA

• Sintaxis y calificadores de funciones de kernel
• Configuración de lanzamiento y ejecución
• Suma de vectores y patrones básicos de paralelismo de datos
• Macros de comprobación de errores en CUDA

Jerarquía de Hilos CUDA y Modelo de Ejecución

• Organización de cuadrícula, bloque e hilo
• Indexación de hilos y cálculo del ID global
• Ejecución de warts (warps) y modelo SIMT
• Ocupación y utilización de recursos

Arquitectura y Gestión de Memoria GPU

• Tipos de memoria: global, compartida, constante, registros
• Asignación y liberación de memoria del dispositivo
• Transferencias de host a dispositivo y de 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
• Prefetching asíncrono con cudaMemPrefetchAsync
• Consejos de memoria para patrones de acceso

Perfilado a Nivel de Sistema con Nsight Systems

• Análisis de línea de tiempo 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 ancho de banda y rendimiento de memoria
• Utilización del cómputo y estadísticas de estado de warps
• 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 tuberías multi-flujo

Gestión de Errores y Herramientas de Depuración

• Códigos de error de la API CUDA y estrategias de recuperación
• Compute-sanitizer para comprobación de accesos a memoria
• cuda-gdb para depuración de kernels
• Aserciones y detección síncrona de errores

Flujo de Trabajo de Optimización Basado en Perfilado

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

Proyecto de Aplicación Acelerada de Principio a Fin

• Diseño de una solución completa acelerada por GPU
• Integración del perfilado durante todo el desarrollo
• Evaluación comparativa (benchmarking) e informes de rendimiento
• Consideraciones de implementación para producción