Contacta con nosotros

Temario del curso

Introducción a la arquitectura GPU de Biren

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

Configuración del entorno de programación de Biren

  • Instalación de la SDK de Biren y el tiempo de ejecución
  • Comprensión del conjunto de herramientas y el modelo del compilador
  • Estructura básica del proyecto y proceso de construcción

Programación GPU con la pila de Biren

  • Modelos de hilos y bloques
  • Gestión de memoria y transferencias de datos
  • Desarrollo de kernels y patrones de lanzamiento

Migración de CUDA a Biren

  • Técnicas de traducción para código CUDA
  • Mapeo y adaptación comunes de las API
  • Laboratorios y práctica de conversión de código

Depuración y perfilado

  • Uso del depurador y profiler de Biren
  • Identificación de cuellos de botella
  • Patrones de acceso a memoria y optimización

Técnicas de optimización

  • Programación de hilos y canalización de instrucciones
  • Desenrollado de bucles y uso de memoria compartida
  • Ajuste avanzado de kernels para mayor rendimiento (throughput)

Estudio de caso y ejemplos de aplicación

  • Entrenamiento de un modelo con aceleradores Biren
  • Migración y perfilado de un modelo de visión por computadora o PNL
  • Comparación del rendimiento frente a CUDA/NVIDIA

Resumen y próximos pasos

Requerimientos

  • Comprensión de la arquitectura GPU y el procesamiento paralelo
  • Experiencia con CUDA, OpenCL o entornos de programación GPU similares
  • Conocimiento de frameworks de aprendizaje profundo como PyTorch o TensorFlow

Audiencia 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