Ponte en Contacto

Temario del curso

Introducción a la arquitectura de GPU de Biren

  • Visión general de Biren y casos de uso
  • Distribución 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 tiempo de ejecución de Biren
  • Comprensión de la cadena de herramientas y el modelo del compilador
  • Estructura básica de proyectos y proceso de compilación

Programación de GPUs con la pila de Biren

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

Portabilidad desde CUDA a Biren

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

Depuración y Perfiles de Rendimiento (Profiling)

  • 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 encolado de instrucciones
  • Despliegue de bucles (loop unrolling) y uso de memoria compartida
  • Ajuste avanzado de kernels para el rendimiento de transferencia

Estudio de Caso y Ejemplos de Aplicación

  • Entrenamiento de un modelo con aceleradores Biren
  • Portabilidad y perfilado de un modelo de visión o NLP
  • Comparación de rendimiento con CUDA/NVIDIA

Resumen y Próximos Pasos

Requerimientos

  • Conocimiento de la arquitectura de GPU y el procesamiento paralelo
  • Experiencia con CUDA, OpenCL o entornos similares de programación de GPUs
  • 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