Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Duración 28 horas
Temario del curso
Introducción
- ¿Qué es OpenCL?
- OpenCL vs CUDA vs SYCL
- Resumen de las características y arquitectura de OpenCL
- Configuración del entorno de desarrollo
Primeros pasos
- Creación de un nuevo proyecto de OpenCL utilizando Visual Studio Code
- Exploración de la estructura del proyecto y archivos
- Compilación y ejecución del programa
- Mostrado de la salida utilizando printf y fprintf
API de OpenCL
- Comprensión del papel de la API de OpenCL en el programa del host
- Uso de la API de OpenCL para consultar información y capacidades del dispositivo
- Uso de la API de OpenCL para crear contextos, colas de comandos, buffers, kernels y eventos
- Uso de la API de OpenCL para encolar comandos, como leer, escribir, copiar, mapear, desmapear, ejecutar y esperar
- Uso de la API de OpenCL para manejar errores y excepciones
OpenCL C
- Comprensión del papel de OpenCL C en el programa del dispositivo
- Uso de OpenCL C para escribir kernels que se ejecutan en el dispositivo y manipulan datos
- Uso de tipos de datos, calificadores, operadores y expresiones de OpenCL C
- Uso de funciones integradas de OpenCL C, como matemáticas, geométricas, relacionales, etc.
- Uso de extensiones y bibliotecas de OpenCL C, como atomic, image, cl_khr_fp16, etc.
Modelo de memoria de OpenCL
- Comprensión de la diferencia entre los modelos de memoria del host y del dispositivo
- Uso de espacios de memoria de OpenCL, como global, local, constante y privada
- Uso de objetos de memoria de OpenCL, como buffers, imágenes y tuberías (pipes)
- Uso de modos de acceso a la memoria de OpenCL, como solo lectura, solo escritura, lectura-escritura, etc.
- Uso del modelo de consistencia de memoria de OpenCL y mecanismos de sincronización
Modelo de ejecución de OpenCL
- Comprensión de la diferencia entre los modelos de ejecución del host y del dispositivo
- Uso de elementos de trabajo, grupos de trabajo y rangos ND de OpenCL para definir el paralelismo
- Uso de funciones de elemento de trabajo de OpenCL, como get_global_id, get_local_id, get_group_id, etc.
- Uso de funciones de grupo de trabajo de OpenCL, como barrier, work_group_reduce, work_group_scan, etc.
- Uso de funciones de dispositivo de OpenCL, como get_num_groups, get_global_size, get_local_size, etc.
Depuración
- Comprensión de los errores y bugs comunes en los programas de OpenCL
- Uso del depurador de Visual Studio Code para inspeccionar variables, puntos de interrupción, pila de llamadas, etc.
- Uso de CodeXL para depurar y analizar programas de OpenCL en dispositivos AMD
- Uso de Intel VTune para depurar y analizar programas de OpenCL en dispositivos Intel
- Uso de NVIDIA Nsight para depurar y analizar programas de OpenCL en dispositivos NVIDIA
Optimización
- Comprensión de los factores que afectan el rendimiento de los programas de OpenCL
- Uso de tipos de datos vectoriales de OpenCL y técnicas de vectorización para mejorar el rendimiento de las operaciones aritméticas
- Uso de técnicas de desenrollado de bucles y teselado (tiling) de bucles en OpenCL para reducir la sobrecarga de control y aumentar la localidad
- Uso de memoria local de OpenCL y funciones de memoria local para optimizar el acceso a la memoria y el ancho de banda
- Uso del perfilado de OpenCL y herramientas de perfilado para medir y mejorar el tiempo de ejecución y la utilización de recursos
Requerimientos
- Conocimiento del lenguaje C/C++ y conceptos de programación paralela
- Conocimiento básico de arquitectura de computadoras y jerarquía de memoria
- Experiencia con herramientas de línea de comandos y editores de código
Público objetivo
- Desarrolladores que deseen aprender a utilizar OpenCL para programar dispositivos heterogéneos y explotar su paralelismo
- Desarrolladores que deseen escribir código portable y escalable que pueda ejecutarse en diferentes plataformas y dispositivos
- Programadores que deseen explorar los aspectos de bajo nivel de la programación heterogénea y optimizar el rendimiento de su código