Ponte en Contacto

Temario del curso

Introducción a la arquitectura de GPU de Biren

  • Resumen de Biren y casos de uso
  • Disposición del hardware: núcleos, memoria, clusters 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 y el modelo de compilador
  • Estructura básica del proyecto y proceso de compilación

Programación de GPU con el stack de Biren

  • Modelos de hilo y bloque
  • Gestión de memoria y transferencias de datos
  • Desarrollo de kernels y patrones de lanzamiento

Trasplante de 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 y pipeline de instrucciones
  • Desarrollo de bucles (loop unrolling) y uso de memoria compartida
  • Ajuste avanzado de kernels para el throughput

Estudio de caso y ejemplos de aplicación

  • Entrenamiento de un modelo con aceleradores de Biren
  • Trasplante y perfilado de un modelo de visión o PLN (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 marcos de aprendizaje profundo como PyTorch o TensorFlow

Público objetivo

  • Desarrolladores de HPC
  • Ingenieros de infraestructura de IA
  • Especialistas en optimización de rendimiento
 21 Horas

Número de participantes


Precio por participante

Reseñas (2)

Próximos cursos

Categorías Relacionadas