Ponte en Contacto

Temario del curso

Introducción a la arquitectura de GPU de Biren

  • Panorama general de Biren y casos de uso
  • Distribución del hardware: núcleos, memoria, clusters de computación
  • Comparación con GPU de NVIDIA y AMD

Configuración del entorno de programación de Biren

  • Instalación del SDK y 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

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 análisis de rendimiento

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

Técnicas de optimización

  • Programación de hilos y ensamblado de instrucciones
  • Despliegue de bucles y uso de memoria compartida
  • Ajuste avanzado de kernels para el rendimiento

Caso de estudio y ejemplos de aplicaciones

  • Entrenamiento de un modelo con aceleradores Biren
  • Portabilidad y análisis de un modelo de visión o 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 de programación de GPU similares
  • 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