Fundamentos del Cómputo Acelerado con CUDA C/C++

Computación GPU y Arquitectura CUDA

• Diferencias arquitectónicas entre CPU y GPU
• Modelo de streaming multiprocesador de GPU NVIDIA
• Vista general del modelo de programación CUDA
• Computación heterogénea y el paradigma host-dispositivo

Configuración del Entorno de Desarrollo CUDA

• Instalación del Toolkit de CUDA 13.x
• Compilador NVCC y flujo de trabajo de compilación
• Verificación del entorno con consultas del dispositivo
• Integración con IDE y herramientas de desarrollo

Escribiendo y Lanzando Kernels CUDA

• Sintaxis y calificadores de funciones kernel
• Configuración del lanzamiento y ejecución
• Suma de vectores y patrones básicos de datos en paralelo
• Marcos para la verificación de errores CUDA

Jerarquía de Hilos CUDA y Modelo de Ejecución

• Organización de Grid, bloque e hilo
• Indexación de hilos y cálculo del ID global
• Ejecución de 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 host-a-dispositivo y 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
• Precarga asíncrona con cudaMemPrefetchAsync
• Pistas de consejos de memoria para patrones de acceso

Perfilado Sistémico con Nsight Systems

• Análisis de la línea de tiempo de Nsight Systems
• Identificación de puntos de sincronización CPU-GPU
• Visualización de la ejecución del kernel y transferencias de memoria
• Interpretación de datos de rendimiento a nivel del sistema

Optimización de Kernels con Nsight Compute

• Perfilado interactivo de kernels en Nsight Compute
• Análisis del ancho de banda y flujo de salida de memoria
• Utilización de cómputo y estadísticas del estado del warp
• Análisis guiado y reglas de optimización

Streams Concurrentes y Operaciones Asíncronas

• Streams CUDA y el stream predeterminado
• Superposición de la ejecución del kernel con transferencias de datos
• Sincronización de streams y eventos CUDA
• Patrones de diseño de pipelines multi-stream

Gestión de Errores y Herramientas de Depuración

• Códigos de error de la API CUDA y estrategias de recuperación
• Compute-sanitizer para verificación de acceso a memoria
• cuda-gdb para depuración de kernels
• Aserciones y detección sincrónica de errores

Flujo de Trabajo de Optimización Basado en Perfiles

• 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 Extremo a Extremo

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