GPU Školení v Prague

Toto živé školení vedené instruktorem v Prague (online nebo na místě) je určeno pro vývojáře začínající i středně pokročilé, kteří chtějí využít OpenACC k programování heterogenních systémů a jejich paralelizaci.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit vývojové prostředí pro OpenACC.
• Psát a spouštět jednoduché programy v OpenACC.
• Přidávat do kódu direktivy a klauzule OpenACC.
• Využívat API a knihovny OpenACC.
• Provádět profilaci, ladění a optimalizaci programů v OpenACC.

Tento kurz vedený instruktorem Prague (online či prezenčně) je určen pro začínající a středně pokročilé vývojáře, kteří si chtějí osvojit základy programování na GPU a hlavní frameworky a nástroje k tvorbě takových aplikací.

• Na konci kurzu budou účastníci schopni:
  Rozpoznat rozdíly mezi výpočty na CPU a GPU a pochopit výhody i obtíže programování na GPU.
• Vybrat vhodný framework a nástroj pro svou aplikaci určenou k běhu na GPU.
• Vytvořit jednoduchý program na GPU, který provede sčítání vektorů, a to pomocí některého z dostupných frameworků či nástrojů.
• Používat odpovídající API, programovací jazyky a knihovny k dotazování informací o zařízení, alokaci a dealokaci paměti na GPU, přenosu dat mezi hostitelským počítačem a GPU, spouštění výpočetních jader a synchronizaci vláken.
• Využívat jednotlivé typy pamětí – globální, lokální, konstantní či privátní – k optimalizaci přenosů dat a přístupu k paměti.
• Řídit paralelismus pomocí vhodných modelů provádění, jako jsou jednotlivé pracovní položky, skupiny pracovních položek či mřížky vláken.
• Ladit a testovat programy na GPU s použitím nástrojů typu CodeXL, CUDA-GDB, CUDA-MEMCHECK nebo NVIDIA Nsight.
• Optimalizovat programy na GPU pomocí technik jako je shlukování přístupů k paměti, ukládání do mezipaměti, předběžné načítání dat či profilování výkonu.

Tento kurz vedený lektorem probíhá Prague (online nebo na místě) a je určen vývojářům od začátečnické po středně pokročilou úroveň, kteří se chtějí seznámit s různými frameworky pro programování na GPU a porovnat jejich vlastnosti, výkonnost i kompatibilitu.

Po absolvování kurzu budou účastníci schopni:

• Nastavit si vývojové prostředí obsahující SDK OpenCL, nástrojový balík CUDA Toolkit, platformu ROCm, zařízení kompatibilní s OpenCL, CUDA nebo ROCm a také editor Visual Studio Code.
• Vytvořit jednoduchý program určený k výpočtu součtů vektorů pomocí OpenCL, CUDA i ROCm a porovnat syntaxi, strukturu i způsob provádění v každém z těchto frameworků.
• Využít příslušná API k dotazování informací o zařízení, alokaci a uvolňování paměti na GPU, přenosu dat mezi hostitelským počítačem a grafickým procesorem, spouštění výpočetních úloh a synchronizaci vláken.
• Psát jádra určená k provádění na GPU pomocí příslušných programovacích jazyků, které umožňují manipulaci s daty.
• Využívat vestavěné funkce, proměnné a knihovny k vykonávání běžných operací v rámci programů pro GPU.
• Volit vhodná typy paměti – globální, lokální, konstantní či soukromou – za účelem optimalizace přenosu a přístupu k datům na GPU.
• Řídit strukturu výpočtů pomocí odpovídajících modelů provedení, jež definují počet vláken, bloků a skupin zodpovědných za paralelní výpočty.
• Odstraňovat chyby a testovat programy na GPU s využitím nástrojů typu CodeXL, CUDA-GDB, CUDA-MEMCHECK či NVIDIA Nsight.
• Optimalizovat výpočty na GPU pomocí metod jako je shlukování operací, použití mezipaměti, předběžné načítání dat a profilování.

Toto školení pod vedením instruktora Prague (online či na místě) je určeno pro začínající i středně pokročilé vývojáře, kteří si přejí nainstalovat a používat ROCm ve Windows pro programování grafických procesorů AMD a využití jejich paralelních schopností.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje platformu ROCm, grafický procesor od AMD a editor Visual Studio Code v systému Windows.
• Vytvořit jednoduchý program v ROCm, jenž provede sčítání vektorů na GPU a poté načte výsledky z paměti grafického procesoru.
• Používat API platformy ROCm k vyhledávání informací o zařízení, alokaci a dealokaci paměti, přenosu dat mezi hostitelem a GPU, spouštění instrukcí a synchronizaci vláken.
• Pomocí jazyka HIP psát programy, které se provádějí na grafickém procesoru a manipulují s daty.
• Využívat vestavěné funkce, proměnné a knihovny jazyka HIP k řešení běžných úloh.
• Používat různé paměťové prostory v ROCm i HIP – globální, sdílenou, konstantní či lokální – za účelem optimalizace přenosu a přístupu k datům.
• Řídit vlákna, bloky a mřížky definující paralelizaci pomocí vhodných modellů provádění v ROCm i HIP.
• Ladit a testovat programy napsané v ROCm a HIP pomocí nástrojů typu ROCm Debugger či ROCm Profiler.
• Optimalizovat výkon programů využívajících ROCm a HIP díky technikám jako je sloučení přístupů k paměti, ukládání do mezipaměti nebo prediktivní načítání dat.

Toto školení pod vedením lektora, které lze uspořádat online či prezenčně Prague, je určeno vývojářům začínajícím i střední úrovni, kteří si chtějí osvojit techniky programování na GPU od společnosti AMD prostřednictvím nástrojů ROCm a HIP.

Po absolvování kurzu budou schopni:

• Nastavit vývojové prostředí obsahující platformu ROCm, GPU od AMD a editor Visual Studio Code.
• Vytvořit jednoduchý program v rámci ROCm, jenž provádí sčítání vektorů na grafickém procesoru a získává výsledky z jeho paměti.
• Používat API platformy ROCm k zjišťování informací o zařízení, alokaci i uvolňování paměti na GPU, přenosu dat mezi hostitelským počítačem a GPU, spouštění kernelů a synchronizaci vláken.
• Využít jazyk HIP k psaní kernelů určených ke spuštění na grafickém procesoru a k manipulaci s daty.
• Používat vestavěné funkce, proměnné i knihovny v rámci jazyka HIP pro vykonávání běžných operací.
• Využívat paměťové oblasti definované platformami ROCm a HIP – např. globální, sdílenou, konstantní či lokální – za účelem optimalizace přenosů dat i jejich přístupu z hlediska rychlosti.
• Manipulovat s modely provádění v rámci ROCm a HIP tak, aby bylo možné kontrolovat tvorbu vláken, bloků a mřížek určujících paralelizaci výpočtů.
• Ladit a testovat programy vytvořené pomocí ROCm a HIP s využitím specializovaných nástrojů, jako je ROCm Debugger a ROCm Profiler.
• Optimalizovat výkonnostní parametry těchto programů pomocí technik typu sloučení přístupů k paměti, ukládání do mezipaměti či profilování využití zdrojů.

Optimalizujte výkon inference neuronových sítí na procesorech Ascend AI v tomto pokročilém školení vedeném lektorem v Prague. Prozkoumejte běhové prostředí architektury CANN a využijte Graph Engine, TIK a TVM pro profilování, vývoj vlastních operátorů a řešení paměťových láhví.

Tento vedený živý kurz v Prague (online nebo na místě) je určen vývojářům s úrovní od začátečníka po středně pokročilého, kteří chtějí využívat CUDA k programování GPU od NVIDIA a tapsání jejich paralelních možností.

Na konci tohoto kurzu budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje CUDA Toolkit, GPU od NVIDIA a Visual Studio Code.
• Vytvořit základní CUDA program, který provádí sčítání vektorů na GPU a načítá výsledky z paměti GPU.
• Použít CUDA API ke zjištění informací o zařízení, alokaci a dealokaci paměti zařízení, kopírování dat mezi hostitelem a zařízením, spouštění kernelů a synchronizaci vláken.
• Použít jazyk CUDA C/C++ ke psaní kernelů, které se provádějí na GPU a manipulují s daty.
• Použít vestavěné funkce, proměnné a knihovny CUDA pro provádění běžných úkolů a operací.
• Použít prostory paměti CUDA, jako jsou globální, sdílená, konstantní a lokální paměť, k optimalizaci přenosu dat a přístupu k paměti.
• Použít model provedení CUDA ke kontrole vláken, bloků a mřížek, které definují paralelnost.
• Ladit a testovat CUDA programy pomocí nástrojů, jako jsou CUDA-GDB, CUDA-MEMCHECK a NVIDIA Nsight.
• Optimalizovat CUDA programy pomocí technik, jako jsou koalescence, cachování, předčítání (prefetching) a profilování.

97% spokojených klientů. 

Toto školení vedené instruktorem v Prague (online nebo prezenčně) je určeno pro systémové administrátory a IT profesionály na začátečnické úrovni, kteří se chtějí naučit instalovat, konfigurovat, spravovat a řešit problémy v prostředích CUDA.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit architekturu, komponenty a možnosti platformy CUDA.
• Instalovat a konfigurovat prostředí CUDA.
• Správně spravovat a optimalizovat prostředky využívané CUDA.
• Identifikovat a řešit běžné problémy v prostředí CUDA.

Tento instruktorem vedený živý kurz v Prague (online nebo prezenčně) je určen vývojářům na začáteční i střední úrovni, kteří chtějí využívat OpenCL k programování heterogenních zařízení a využití jejich paralelismu.

Na konci tohoto kurzu budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje OpenCL SDK, zařízení podporující OpenCL a Visual Studio Code.
• Vytvořit základní OpenCL program, který provádí sčítání vektorů na zařízení a načítá výsledky z paměti zařízení.
• Použít OpenCL API ke získání informací o zařízení, vytvoření kontextů, front příkazů, bufferů, jader a událostí.
• Použít jazyk OpenCL C ke psaní jader, která se provádějí na zařízení a manipulují s daty.
• Použít vestavěné funkce OpenCL, rozšíření a knihovny k provedení běžných úloh a operací.
• Použít modely paměti hostitele a zařízení OpenCL k optimalizaci přenosu dat a přístupu k paměti.
• Použít model provedení OpenCL ke kontrole prvků práce (work-items), skupin práce (work-groups) a N-rozměrných rozsahů (ND-ranges).
• Ladit a testovat OpenCL programy pomocí nástrojů, jako jsou CodeXL, Intel VTune a NVIDIA Nsight.
• Optimalizovat OpenCL programy pomocí technik, jako jsou vektorizace, rozmotávací smyčky (loop unrolling), lokální paměť a profilování.

Toto živé školení vedené lektorem v Prague (online či prezenčně) je určeno vývojářům C++, kteří chtějí s využitím CUDA urychlit aplikace, psát vysoce efektivní GPU kernely a využívat knihovny paralelních algoritmů pro vědecké výpočty, zpracování dat či strojové učení.

Toto výcvikové školení pod vedením instruktora v Prague (online nebo na místě) je určeno pro programátory v jazyce C/C++, kteří chtějí využít CUDA k urychlení výpočetně náročných aplikací, jako jsou zpracování dat, vědecké simulace, úlohy strojového učení či zpracování obrazu.

Tento kurz pod vedením lektora v Prague (online nebo prezenčně) je určen vývojářům softwaru, analytikům dat a technickým specialistům, kteří chtějí s využitím nástrojů TensorFlow 2.x a Keras vytvářet, trénovat a nasazovat modely hlubokého učení určené pro počítačové vidění, zpracování přirozeného jazyka i multimodální aplikace.

Tento praktický školicí kurz vedený instruktorem v Prague se zabývá programováním GPU pro paralelní výpočty, používáním různých platform a prácí s platformou CUDA a jejími funkcemi. Vysvětluje také techniky optimalizace využívající CUDA. Mezi aplikace patří hluboké učení, analýza dat, zpracování obrazu a inženýrské úlohy.