Děkujeme za vaši dotaz! Jeden z našich pracovníků vás brzy kontaktuje.
Děkujeme za rezervaci! Jeden z našich pracovníků vás brzy kontaktuje.
Návrh Školení
Úvod
- Co je programování pomocí GPU?
- Proč používat CUDA s Python?
- Klíčové pojmy: vlákna, bloky, síť
Přehled funkcí a architektury CUDA
- GPU vs CPU architektura
- Porozumění SIMT (jedna instrukce, několik vláken)
- CUDA programovací model
Nastavení vývojového prostředí
- Instalace CUDA Toolkit a ovladačů
- Instalace Python a Numba
- Nastavení a ověření prostředí
Základy paralelního programování pomocí Programming
- Vstup do paralelního spuštění
- Porozumění vláknům a vlastnostem hierarchie vláken
- Práce s warpami a synchronizací
Práce se sestavovatelem Numba
- Vstup do Numba
- Napsání CUDA jádrov pomocí Numba
- Porozumění dekorátorem @cuda.jit
Sestavení vlastního CUDA jádra
- Napsání a spuštění základního jádra
- Využití vláken pro prvkové operace
- Řízení rozměrů síťových bloků
Paměť Management
- Druhy paměti GPU (globální, sdílená, lokální, konstantní)
- Prevod paměti mezi hostitelem a zařízením
- Optimalizace využití paměti a vyhnutí se omezujícím hrdinám
Pokročilé téma akcelerace pomocí GPU
- Sdílená paměť a synchronizace
- Využití proudů pro asynchronní spuštění
- Základy programování s více GPU
Převod aplikací založených na CPU do GPU
- Hloubkové profilování kódu CPU
- Identifikace paralelně spustitelných částí
- Přesun logiky do CUDA jádrov
Výsledná diagnostika a řešení problémů
- Léčba chyb v aplikacích CUDA
- Běžné chyby a jejich odstranění
- Nástroje a techniky pro testování a ověřování
Závěr a další kroky
- Recap klíčových pojmů
- Nejlepší praktiky v programování pomocí GPU
- Zdroje pro pokračující učení
Požadavky
- zkušenosti s programováním
- Zkušenosti s NumPy (ndarrays, ufuncs atd.)
Publikum
- Vývojáři
14 hodiny
Reference (1)
Velmi interaktivní s různými příklady, s dobrým postupem ve složitosti mezi začátkem a koncem školení.
Jenny - Andheo
Kurz - GPU Programming with CUDA and Python
Přeloženo strojem