Programación NVIDIA GPU - Extended

Introducción

Comprensión de los fundamentos de la metodología de computación heterogénea

¿Por qué computación paralela? Comprensión de la necesidad de la computación paralela

Procesadores multinúcleo: arquitectura y diseño

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

Comprensión de los fundamentos de los procesos de optimización de software para GPU

OpenMP: un estándar para la programación paralela basada en directivas

Práctica / Demostración de varios programas en máquinas multinúcleo

Introducción a la computación con GPU

GPU para computación paralela

Modelo de programación de GPU

Práctica / Demostración de varios programas en GPU

SDK, kit de desarrollo e instalación del entorno para GPU

Trabajo con diversas bibliotecas

Demostración de GPU y herramientas con programas de ejemplo y OpenACC

Comprensión del modelo de programación CUDA

Aprendiendo la arquitectura de CUDA

Exploración y configuración de entornos de desarrollo CUDA

Trabajo con la API de tiempo de ejecución de CUDA

Comprensión del modelo de memoria de CUDA

Explorando características adicionales de la API de CUDA

Acceso eficiente a la memoria global en CUDA: optimización de la memoria global

Optimización de transferencias de datos en CUDA utilizando flujos de CUDA

Uso de memoria compartida en CUDA

Comprensión y uso de operaciones atómicas e instrucciones en CUDA

Caso de estudio: procesamiento básico de imágenes digitales con CUDA

Trabajo con programación de múltiples GPU

Perfilado avanzado del hardware y muestreo en NVIDIA / CUDA

Uso de la API de paralelismo dinámico de CUDA para el lanzamiento dinámico de kernels

Resumen y conclusiones