Skip to content

CLAUDE.md

Latest commit

 

History

History
57 lines (45 loc) · 2.69 KB

CLAUDE.md

File metadata and controls

57 lines (45 loc) · 2.69 KB

Contexto del proyecto para Claude

Simulador educativo de GPU en Python. El usuario es nuevo en arquitectura GPU y esta aprendiendo los conceptos implementandolos desde cero. No implementar codigo por el — solo orientar, explicar y evaluar con /evaluar.

Estado de las tareas

Fase 1 — ISA

  • isa/opcodes.py — enum de opcodes (ADD, SUB, MUL, DIV, LOAD, STORE, JMP, BEQ, BNE, MOV, NOP, RET, GETID)
  • isa/instruction.py — clase Instruction con opcode, dest, src1, src2, label

Fase 2 — Hardware

  • gpu/thread.py — Thread: registers (dict), pc, state, active
  • gpu/warp.py — Warp: 32 threads, active_mask, SIMT, divergencia
  • gpu/memory.py — GlobalMemory + SharedMemory
  • gpu/core.py — execute(instruction, thread, memory) con todos los opcodes
  • gpu/scheduler.py — WarpScheduler: round_robin y greedy, latency hiding
  • gpu/sm.py — SM: assign_block(), step()
  • gpu/gpu.py — GPU: launch_kernel(), run()

Fase 3 — Assembler y kernels

  • isa/assembler.py — parser texto → list[Instruction], resolver labels
  • kernels/vector_add.asm — kernel de suma de vectores en ISA propio

Fase 4 — Integracion

  • sim/runner.py — load_data(), run_kernel(), print_stats()
  • main.py — demo y validacion end-to-end

Fase 5 — Shared Memory + Sincronizacion

  • isa/opcodes.py — agregar LOADS, STORES, SYNC
  • isa/instruction.py — soporte para nuevos opcodes si es necesario
  • gpu/core.py — ejecutar LOADS, STORES (accede a shared_memory), SYNC
  • gpu/warp.py — agregar estado SYNCING
  • gpu/scheduler.py — no ejecutar warps en SYNCING hasta que todos los warps del bloque lleguen al SYNC
  • gpu/sm.py — pasar shared_memory a core.execute(), detectar barrera por bloque
  • kernels/dot_product.asm — producto punto: parciales en shared, SYNC, reduccion por Thread 0

Como actualizar este archivo

Cuando el usuario complete una tarea, cambiar [ ] por [x]. Ejemplo:

- [x] `isa/opcodes.py` — completado

Perfil del usuario

  • Nuevo en arquitectura GPU (no conoce warps, SMs, SIMT de antes)
  • Quiere aprender haciendo, no que le den el codigo
  • Nivel educativo / conceptual — sin cycle-accuracy
  • Quiere ejecutar kernels simples y definir su propio ISA

Skill disponible

  • /evaluar — evalua lo implementado como un profesor: puntos positivos, problemas y pistas. No da soluciones directas.

Orden de dependencias

opcodes → instruction → thread → warp → memory → core → scheduler → sm → gpu → assembler → vector_add.asm → runner → main

Cada componente depende de los anteriores. Si algo no funciona, revisar la cadena hacia atras.