CorelDraw Rozszerzony Počítačový Kurz

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí používat CUDA k vytváření Python aplikací, které běží paralelně na GPU NVIDIA.

Na konci tohoto školení budou účastníci schopni:

• Použijte kompilátor Numba k urychlení Python aplikací běžících na GPU NVIDIA.
• Vytvářejte, kompilujte a spouštějte vlastní jádra CUDA.
• Správa paměti GPU.
• Převeďte aplikaci založenou na CPU na aplikaci s akcelerací GPU.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začínající systémové administrátory a IT profesionály, kteří chtějí instalovat, konfigurovat, spravovat a odstraňovat problémy s prostředími CUDA.

Na konci tohoto školení budou účastníci schopni:

• Pochopte architekturu, komponenty a možnosti CUDA.
• Nainstalujte a nakonfigurujte prostředí CUDA.
• Spravujte a optimalizujte zdroje CUDA.
• Ladění a odstraňování běžných problémů CUDA.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na webové designéry, kteří chtějí používat Mayu k vytváření 3D animací.

Na konci tohoto školení budou účastníci schopni:

• Vytvářejte realistické modely a textury v Maye.
• Animujte a vykreslujte projekty pro přehrávání ve vysoké kvalitě.
• Simulujte přírodní efekty, jako je voda a kouř.

WebGL (Web Graphics Library) je JavaScript API pro vykreslování 3D grafiky ve webovém prohlížeči bez použití zásuvných modulů.

V tomto živém školení vedeném instruktorem se účastníci naučí, jak generovat realistické počítačové obrázky pomocí 3D grafiky, když projdou vytvořením animované 3D aplikace, která běží v prohlížeči.

Na konci tohoto školení budou účastníci schopni:

Pochopte a používejte různé funkce WebGL, včetně sítí, transformací, kamer, materiálů, osvětlení a animací Animujte objekty pomocí WebGL Vytvářejte 3D objekty pomocí WebGL

Publikum

Vývojáři

Formát kurzu

Část přednáška, část diskuse, cvičení a těžké praktické cvičení

This course covers how to program GPUs for parallel computing. Some of the applications include deep learning, analytics, and engineering applications.

Tento instruktorem vedený živý výukový kurz v České republice popisuje, jak programovat GPU pro paralelní výpočty, jak používat různé platformy, jak pracovat s platformou CUDA a jejími funkcemi a jak pomocí CUDA provádět různé optimalizační techniky. . Některé z aplikací zahrnují hluboké učení, analýzy, zpracování obrazu a inženýrské aplikace.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na vývojáře, kteří chtějí sestavit hardwarově akcelerované modely detekce a sledování objektů pro analýzu streamovaných video dat.

Na konci tohoto školení budou účastníci schopni:

• Nainstalujte a nakonfigurujte potřebné vývojové prostředí, software a knihovny, abyste mohli začít s vývojem.
• Vytvářejte, trénujte a nasazujte modely hlubokého učení pro analýzu živých video kanálů.
• Identifikujte, sledujte, segmentujte a předvídejte různé objekty v rámci video snímků.
• Optimalizujte modely detekce a sledování objektů.
• Nasaďte inteligentní aplikaci pro analýzu videa (IVA).

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře, kteří chtějí používat OpenCL k programování heterogenních zařízení a využívat jejich paralelismus.

Na konci tohoto školení budou účastníci schopni:

• Nastavte vývojové prostředí, které obsahuje OpenCL SDK, zařízení podporující OpenCL a Visual Studio kód.
• Vytvořte základní OpenCL program, který provede sčítání vektorů na zařízení a načte výsledky z paměti zařízení.
• Použijte OpenCL API k dotazování na informace o zařízení, vytváření kontextů, příkazových front, vyrovnávacích pamětí, jader a událostí.
• Jazyk OpenCL C použijte k zápisu jader, která se spouštějí na zařízení a manipulují s daty.
• K provádění běžných úloh a operací použijte OpenCL vestavěné funkce, rozšíření a knihovny.
• Použijte OpenCL modely paměti hostitele a zařízení k optimalizaci přenosů dat a přístupu k paměti.
• Použijte prováděcí model OpenCL k řízení pracovních položek, pracovních skupin a rozsahů ND.
• Ladění a testování OpenCL programů pomocí nástrojů jako CodeXL, Intel VTune a NVIDIA Nsight.
• Optimalizujte OpenCL programy pomocí technik, jako je vektorizace, rozbalování smyček, lokální paměť a profilování.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře, kteří chtějí používat CUDA k programování NVIDIA GPU a využívat jejich paralelismus.

Na konci tohoto školení budou účastníci schopni:

• Nastavte vývojové prostředí, které obsahuje sadu nástrojů CUDA, kód NVIDIA GPU a Visual Studio.
• Vytvořte základní CUDA program, který provede sčítání vektorů na GPU a načte výsledky z paměti GPU.
• Použijte CUDA API k dotazování na informace o zařízení, alokaci a uvolnění paměti zařízení, kopírování dat mezi hostitelem a zařízením, spouštění jader a synchronizaci vláken.
• Použijte jazyk CUDA C/C++ k zápisu jader, která se spouštějí na GPU a manipulují s daty.
• K provádění běžných úloh a operací používejte vestavěné funkce, proměnné a knihovny CUDA.
• Použijte paměťové prostory CUDA, jako jsou globální, sdílené, konstantní a místní, k optimalizaci datových přenosů a přístupů k paměti.
• Použijte prováděcí model CUDA k řízení vláken, bloků a mřížek, které definují rovnoběžnost.
• Ladění a testování programů CUDA pomocí nástrojů jako CUDA-GDB, CUDA-MEMCHECK a NVIDIA Nsight.
• Optimalizujte programy CUDA pomocí technik, jako je slučování, ukládání do mezipaměti, předběžné načítání a profilování.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře, kteří chtějí používat různé rámce pro programování GPU a porovnávat jejich funkce, výkon a kompatibilitu.

Na konci tohoto školení budou účastníci schopni:

• Nastavte vývojové prostředí, které obsahuje OpenCL SDK, CUDA Toolkit, ROCm Platform, zařízení, které podporuje OpenCL, CUDA nebo ROCm, a Visual Studio kód.
• Vytvořte základní GPU program, který provádí přidávání vektorů pomocí OpenCL, CUDA a ROCm, a porovnejte syntaxi, strukturu a provedení každého rámce.
• Použijte příslušná rozhraní API k dotazování na informace o zařízení, alokaci a uvolnění paměti zařízení, kopírování dat mezi hostitelem a zařízením, spouštění jader a synchronizaci vláken.
• Použijte příslušné jazyky k zápisu jader, která se spouštějí na zařízení a manipulují s daty.
• K provádění běžných úloh a operací použijte příslušné vestavěné funkce, proměnné a knihovny.
• Použijte příslušné paměťové prostory, jako je globální, místní, konstantní a soukromý, k optimalizaci datových přenosů a přístupů do paměti.
• Použijte příslušné modely provádění k řízení vláken, bloků a mřížek, které definují rovnoběžnost.
• Ladění a testování GPU programů pomocí nástrojů jako CodeXL, CUDA-GDB, CUDA-MEMCHECK a NVIDIA Nsight.
• Optimalizujte GPU programy pomocí technik, jako je slučování, ukládání do mezipaměti, předběžné načítání a profilování.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře, kteří chtějí používat ROCm a HIP k programování AMD GPU a využívat jejich paralelismus.

Na konci tohoto školení budou účastníci schopni:

• Nastavte vývojové prostředí, které zahrnuje platformu ROCm, kód AMD GPU a Visual Studio.
• Vytvořte základní program ROCm, který provede sčítání vektorů na GPU a načte výsledky z paměti GPU.
• Použijte ROCm API k dotazování na informace o zařízení, alokaci a uvolnění paměti zařízení, kopírování dat mezi hostitelem a zařízením, spouštění jader a synchronizaci vláken.
• Použijte jazyk HIP k zápisu jader, která se spouštějí na GPU a manipulují s daty.
• K provádění běžných úloh a operací použijte vestavěné funkce, proměnné a knihovny HIP.
• Používejte paměťové prostory ROCm a HIP, jako jsou globální, sdílené, konstantní a místní, k optimalizaci datových přenosů a přístupů k paměti.
• Pomocí modelů provádění ROCm a HIP můžete ovládat vlákna, bloky a mřížky, které definují paralelismus.
• Ladění a testování programů ROCm a HIP pomocí nástrojů jako ROCm Debugger a ROCm Profiler.
• Optimalizujte programy ROCm a HIP pomocí technik, jako je slučování, ukládání do mezipaměti, předběžné načítání a profilování.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře, kteří chtějí nainstalovat a používat ROCm ve Windows k programování AMD GPU a využívat jejich paralelismus.

Na konci tohoto školení budou účastníci schopni:

• Nastavte vývojové prostředí, které obsahuje ROCm Platform, AMD GPU a Visual Studio kód na Windows.
• Vytvořte základní program ROCm, který provede sčítání vektorů na GPU a načte výsledky z paměti GPU.
• Použijte ROCm API k dotazování na informace o zařízení, alokaci a uvolnění paměti zařízení, kopírování dat mezi hostitelem a zařízením, spouštění jader a synchronizaci vláken.
• Použijte jazyk HIP k zápisu jader, která se spouštějí na GPU a manipulují s daty.
• K provádění běžných úloh a operací použijte vestavěné funkce, proměnné a knihovny HIP.
• Používejte paměťové prostory ROCm a HIP, jako jsou globální, sdílené, konstantní a místní, k optimalizaci datových přenosů a přístupů k paměti.
• Pomocí modelů provádění ROCm a HIP můžete ovládat vlákna, bloky a mřížky, které definují paralelismus.
• Ladění a testování programů ROCm a HIP pomocí nástrojů jako ROCm Debugger a ROCm Profiler.
• Optimalizujte programy ROCm a HIP pomocí technik, jako je slučování, ukládání do mezipaměti, předběžné načítání a profilování.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře, kteří se chtějí naučit základy programování GPU a hlavní rámce a nástroje pro vývoj aplikací GPU. .

• Na konci tohoto školení budou účastníci schopni:
  Pochopte rozdíl mezi CPU a GPU computingem a výhody a výzvy programování GPU.
• Vyberte si správný rámec a nástroj pro jejich GPU aplikaci.
• Vytvořte základní GPU program, který provádí přidávání vektorů pomocí jednoho nebo více rámců a nástrojů.
• Použijte příslušná rozhraní API, jazyky a knihovny k dotazování na informace o zařízení, alokaci a uvolnění paměti zařízení, kopírování dat mezi hostitelem a zařízením, spouštění jader a synchronizaci vláken.
• Použijte příslušné paměťové prostory, jako je globální, místní, konstantní a soukromý, k optimalizaci datových přenosů a přístupů do paměti.
• K řízení paralelismu použijte příslušné modely provádění, jako jsou pracovní položky, pracovní skupiny, vlákna, bloky a mřížky.
• Ladění a testování GPU programů pomocí nástrojů jako CodeXL, CUDA-GDB, CUDA-MEMCHECK a NVIDIA Nsight.
• Optimalizujte GPU programy pomocí technik, jako je slučování, ukládání do mezipaměti, předběžné načítání a profilování.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na začátečníky až středně pokročilé vývojáře, kteří chtějí používat OpenACC k programování heterogenních zařízení a využívat jejich paralelismus.

Na konci tohoto školení budou účastníci schopni:

• Nastavte vývojové prostředí, které obsahuje OpenACC SDK, zařízení podporující OpenACC a Visual Studio Code.
• Vytvořte základní program OpenACC, který provede přidání vektoru na zařízení a načte výsledky z paměti zařízení.
• Použijte direktivy a klauzule OpenACC k anotaci kódu a určete paralelní oblasti, přesun dat a možnosti optimalizace.
• Použijte OpenACC API k dotazování na informace o zařízení, nastavení čísla zařízení, zpracování chyb a synchronizaci událostí.
• Použijte knihovny OpenACC a funkce interoperability k integraci OpenACC s jinými programovacími modely, jako je CUDA, OpenMP a MPI.
• Pomocí nástrojů OpenACC můžete profilovat a ladit programy OpenACC a identifikovat úzká místa výkonu a příležitosti.
• Optimalizujte programy OpenACC pomocí technik, jako je umístění dat, fúze smyček, fúze jádra a automatické ladění.