--- title: Unidad 10 --- # Unidad 10: PyCUDA ## Contenido de la unidad ## Comparemos a las CPU contra las GPU ::::{grid} :gutter: 3 :::{grid-item-card} :class-body: text-right :class-header: bg-light text-center ```{dropdown} CPU - Varios núcleos, pero generalmente menos que una GPU. - Baja latencia. - Bueno para procesamiento en serie. - Puede realizar un puñado de operaciones a la vez. ``` ::: :::{grid-item-card} :class-body: text-right :class-header: bg-light text-center ```{dropdown} GPU - Muchos núcleos para procesamiento en paralelo. - Alto rendimiento. - Bueno para procesamiento en paralelo. - Puede realizar miles de operaciones a la vez. ``` ::: ::::
```{tip} - Leer un blog de Nvidia comparando GPU con las CPU ``` ## PyCUDA PyCUDA ofrece un acceso sencillo y pythonico a la API de computación paralela Compute Unified Device Architecture (CUDA), de Nvidia. Aunque ya existen varios envoltorios para la API de CUDA, ¿por qué elegir PyCUDA? **Gestión automática de objetos vinculada a su ciclo de vida.** Este enfoque, simplifica significativamente la escritura de código que es correcto, libre de fugas y resistente a caídas. PyCUDA también maneja las dependencias, lo que significa que no se desvinculará de un contexto antes de liberar toda la memoria asignada en él. **Completitud.** PyCUDA pone a tu disposición toda la potencia de la API de controladores de CUDA, si así lo deseas. **Verificación automática de errores.** Todos los errores de CUDA se traducen automáticamente en excepciones de Python. **Velocidad.** Dado que la capa base de PyCUDA está escrita en C++, todas las ventajas mencionadas anteriormente prácticamente no tienen coste adicional. ```{tip} Ver el siguiente recurso: PyCUDA Tutorial ``` ## Usar la GPU para multiplicar y sumar elementos ```{tip} Ver el Notebook: `PyCUDA_multiplicar_sumar_elementos.ipynb` O acceder a el desde PyCUDA_multiplicar_sumar_elementos_working.ipynb ``` ## Usar la GPU para multiplicar matrices ```{tip} Ver el Notebook: `PyCUDA_multiplicar_matrices.ipynb` O acceder a el desde PyCUDA_multiplicar_matrices_working.ipynb ``` ## Comparativa en la creación de imágenes desde textos en GPU y en CPU ```{tip} Ver el Notebook: `Stable_Diffusion_GPU_vs_CPU.ipynb` O acceder a el desde Stable_Diffusion_GPU_vs_CPU_working.ipynb ``` ## Comprendamos la indexación ```{tip} Acceder a el desde https://anuradha-15.medium.com/cuda-thread-indexing-fb9910cba084 ```