GPU Školení v Prague

Huawei Ascend je rodina AI procesorů navržených pro vysokorychlostní inferenci a školení.

Tato instruktorově řízená, živá cvičení (na více místech nebo online) se zaměřuje na středně pokročilé AI inženýry a analytiky dat, kteří chtějí vytvářet a optimalizovat neuronové sítě pomocí platformy Huawei Ascend a nástrojů CANN.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit a nakonfigurovat vývojové prostředí CANN.
• Vytvářet AI aplikace pomocí MindSpore a CloudMatrix pracovních postupů.
• Optimalizovat výkon na Ascend NPU pomocí vlastních operátorů a tilingu.
• Nasazovat modely do okrajových nebo cloudových prostředí.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Praktické použití Huawei Ascend a nástrojů CANN v ukázkových aplikacích.
• Vedená cvičení zaměřená na sestavování, školení a nasazování modelů.

Možnosti individualizace kurzu

• Pokud chcete požadovat individualizované cvičení na základě vaší infrastruktury nebo datových sad, kontaktujte nás pro uspořádání.

Huaweiho AI štack — od nízkorozsahové CANN SDK po vysokorozsahový framework MindSpore — poskytuje integrovanou rozhraní pro vyvoj a nasazení AI optimalizovaná pro hardwar Ascend.

Toto instruktor-spuštěné, živé školení (online nebo na místech) je zaměřeno na technické odborníky s začínajícím a středním zájmem, kteří chtějí pochopit, jak se komponenty CANN a MindSpore spolupracují pro podporu správy životního cyklu AI a rozhodování o infrastruktuře.

Konec školení budou účastníci schopni:

• Pochopit vrstvenou architekturu Huaweiho AI výpočetní štack.
• Identifikovat, jak CANN podporuje optimalizaci modelů a nasazení na úrovni hardwaru.
• Evaluuovat MindSpore framework a nástrojovou pásu v poměru k alternativám na trhu.
• Umístit Huaweiho AI štack do podnikových nebo cloud/on-prem enviromentů.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Demonstrační systémy na živu a postupné případové studie.
• Nezbytné vedené laboratoře modelů od MindSpore k CANN.

Možnosti individualizace kurzu

• Pro žádost o individualizované školení tohoto kurzu, kontaktujte nás pro uspořádání.

Toto živé školení vedené instruktorem v Prague (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.

SDK CANN (Compute Architecture for Neural Networks) poskytuje silné nástroje pro nasazení a optimalizaci pro reálně časové AI aplikace v oblasti počítačového vidění a NLP, zejména na hardwaru Huawei Ascend.

Tato instruktorově řízená živá školení (vzdáleně nebo na místě) je určeno pro středně pokročilé AI specialisty, kteří chtějí vytvářet, nasazovat a optimalizovat modely vidění a jazyka pomocí SDK CANN pro produkční případ použití.

Po absolvování tohoto školení budou účastníci moci:

• Nasadit a optimalizovat modely CV a NLP pomocí CANN a AscendCL.
• Používat nástroje CANN pro převod modelech a jejich integraci do živých datových zpracovávacích toků.
• Optimalizovat výkon předpovědí pro úkoly jako detekce, klasifikace nebo analýzu sentimentu.
• Vytvářet reálně časové CV/NLP datové zpracovávací toky pro nasazení v hranicích nebo na cloudových scénářích.

Formát kurzu

• Interaktivní přednáška a demonstrace.
• Praktické cvičení s nasazováním modelů a hodnocením výkonu.
• Živé návrhy datových zpracovávacích toků pomocí skutečných případů použití CV a NLP.

Možnosti vlastního vyzkoušení kurzu

• Pro žádost o individualizované školení pro tento kurz, kontaktujte nás prosím pro domluvu.

Toto živé školení vedené instruktorem v Prague (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.

CANN TIK (Tensor Instruction Kernel) a Apache TVM umožňují pokročilou optimalizaci a vlastnizpracování operátorů AI modelu pro Huawei Ascend hardwar.

Tento instruktor-provedený živý trénink (online nebo na místě) je určen pokročilým systémovým vývojářům, kteří chtějí sestavit, nasadit a nastavit vlastní operátory pro AI modely pomocí programovacího modelu CANN's TIK a integrace kompilátoru TVM.

Po absolvování tohoto tréninku budou účastníci moci:

• Napsat a otestovat vlastní AI operátory pomocí TIK DSL pro procesory Ascend.
• Integrace vlastních operátorů do CANN runtime a grafu spouštění.
• Použití TVM pro plánování operátorů, auto-nastavení a benchmarking.
• Ladicí procedury a optimalizace výkonu na úrovni instrukcí pro vlastní početné vzory.

Formát kurzu

• Interaktivní přednáška a demonstrace.
• Praktické programování operátorů pomocí TIK a TVM potrubí.
• Testování a nastavování na hardwaru Ascend nebo simulatorch.

Možnosti individualizace kurzu

• Pro žádost o individualizovaný trénink tohoto kurzu se obraťte na nás pro uspořádání.

Tento instruktorův pravidelný živý kurz na místě nebo online je určen začínajícím a středně pokročilým vývojářům, kteří chtějí používat různé frameworky pro GPU programování a porovnat jejich vlastnosti, výkon a kompatibilitu.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje OpenCL SDK, CUDA Toolkit, ROCm Platformu, zařízení podporující OpenCL, CUDA nebo ROCm, a Visual Studio Code.
• Vytvořit základní GPU program pro vektorové sčítání pomocí OpenCL, CUDA a ROCm a porovnat syntaxi, strukturu a spuštění každého frameworku.
• Používat odpovídající API k zjišťování informací o zařízeních, alokaci a dealokaci paměti na zařízení, kopírování dat mezi hostitelem a zařízením, spouštění jader a synchronizace vláken.
• Používat odpovídající jazyky k vytváření kopií, které se spouštějí na zařízení a manipulují s daty.
• Používat integrované funkce, proměnné a knihovny daných frameworků ke zpracování běžných úloh a operací.
• Používat odpovídající paměťová prostory jako globální, lokální, konstantní a privátní k optimalizaci přenosů dat a přístupu do paměti.
• Používat odpovídající modely spouštění pro ovládání vláken, bloků a mřížek definujících paralelismus.
• Lézt GPU programy pomocí nástrojů jako CodeXL, CUDA-GDB, CUDA-MEMCHECK a NVIDIA Nsight.
• Optimalizovat GPU programy pomocí technik jako je shromažďování, vyrovnávací paměť, predchystávání dat a profilování.

CloudMatrix je unifikovaná AI vývojová a nasaditelská platforma od Huawei, navržená pro podporu škálujících se produkčních inference potrubí.

Tento instruktážně řízený živý trénink (na více místech nebo online) je určen začínajícím a středně pokročilým AI odborníkům, kteří chtějí nasadit a monitorovat AI modely pomocí platformy CloudMatrix s integrací CANN a MindSpore.

Po absolvování tohoto tréninku budou účastníci schopni:

• Použít CloudMatrix pro balení, nasazení a poskytování modelů.
• Převést a optimalizovat modely pro Ascend čippery.
• Nastavit potrubí pro reálného času a dávkové inferencí úkoly.
• Monitorovat nasazení a úpravu výkonu ve produkčních nastaveních.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Praktické použití CloudMatrix s reálnými scénáři nasazení.
• Vedené cvičení zaměřené na převod, optimalizaci a škálování.

Možnosti individualizace kurzu

• Pro žádost o individuální trénink tohoto kurzu založený na vaší AI infrastruktuře nebo cloudovém prostředí se, prosím, obrátěte na nás pro uspořádání.

Nástrojový balík Huawei Ascend CANN umožňuje výkonnou AI inferenci na okrajových zařízeních, jako je například Ascend 310. CANN poskytuje klíčové nástroje pro kompilaci, optimalizaci a nasazení modelů v prostředích s omezenými početními zdroji a pamětí.

Tato instruktážní školení (online nebo na místech) je určeno pro středně pokročilé AI vývojáře a integrační pracovníky, kteří chtějí nasadit a optimalizovat modely na okrajových zařízeních Ascend pomocí nástrojů CANN.

Po ukončení tohoto školení budou účastníci moci:

• Připravit a převést AI modely pro Ascend 310 pomocí nástrojů CANN.
• Vytvářet lehké inference potrubí pomocí MindSpore Lite a AscendCL.
• Optimalizovat výkon modelu pro prostředí s omezenými početními zdroji a pamětí.
• Nasazovat a monitorovat AI aplikace v skutečných okrajových případůch použití.

Formát kurzu

• Interaktivní lekce a demonstrace.
• Praktické cvičení s modely a scénáři specifickými pro okrajová zařízení.
• Nástrojová ukázka nasazení na virtuálních nebo fyzických okrajových zařízeních.

Možnosti upravení kurzu

• Pro žádost o individualizované školení pro tento kurz, kontaktujte nás k domluvě.

Toto živé školení vedené instruktorem v Prague (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 Prague (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.

CANN (Compute Architecture for Neural Networks) je nástrojová sada pro výpočetní architekturu AI od Huawei, která slouží k kompilaci, optimalizaci a nasazení modelů AI na procesory Ascend AI.

Tato instruktážní školení (vzdáleně nebo přítomně) je určeno začínajícím vývojářům AI, kteří se chtějí naučit, jak CANN zapadá do životního cyklu modelu od trénování po nasazení a jak funguje s rámci jako je MindSpore, TensorFlow, a PyTorch.

Po absolvování tohoto školení budou účastníci moci:

• Porozumět účelu a architektuře nástrojové sady CANN.
• Nastavit vývojové prostředí se CANN a MindSpore.
• Převést a nasadit jednoduchý model AI na hardwaru Ascend.
• Získat základní znalosti pro budoucí projekty optimalizace nebo integrace CANN.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Praktické cvičení s jednoduchým nasazením modelu.
• Krokový průvodce nástrojovou řetězcí CANN a integracemi.

Možnosti vlastního přizpůsobení kurzu

• Pro žádost o vlastně přizpůsobené školení pro tento kurz, prosím kontaktujte nás na dohodu.

Ascend, Biren a Cambricon jsou vedoucí AI hardware platformy v Číně, které poskytují jedinečné nástroje pro zrychlování a profilaci pro produkční AI úlohy.

Toto instruktorově řízené živé školení (online nebo na místech) je určeno pokročilým inženýrům infrastruktury AI a výkonu, kteří chtějí optimalizovat modely inferencí a tréninkové pracovní proudy na několika čínských platformách AI chipů.

Koncem tohoto školení budou účastníci schopni:

• Porovnávat výkon modelů na platformách Ascend, Biren a Cambricon.
• Zjišťovat systémové krčely a neefektivnosti paměti/výpočetního zpracování.
• Aplikovat optimalizace úrovní grafu, jádra a operátorů.
• Nastavovat nasazovací potoky pro zlepšení propustnosti a latence.

Formát kurzu

• Interaktivní přednášky a diskuse.
• Ruční použití profilacních a optimalizačních nástrojů na každé platformě.
• Příruční cvičení zaměřené na praktické scénáře nastavení.

Možnosti přizpůsobení kurzu

• Pro žádost o vytvoření individualizovaného školení pro tento kurz na základě vašeho prostředí výkonu nebo typu modelu, kontaktujte nás prosím k uspořádání.

CANN SDK (výpočetní architektura pro Neural Networks) je základ AI výpočtů od Huawei, který umožňuje vývojářům posouzení a optimalizaci výkonu nasazených neuronových sítí na procesorech Ascend AI.

Tento instruktážní živý kurz (online nebo na místě) je zaměřen na pokročilé AI vývojáře a systémové inženýry, kteří chtějí optimalizovat výkon inferencí pomocí pokročilých nástrojů CANN, včetně Graph Engine, TIK a rozšíření vytvoření vlastních operátorů.

Koncepci kurzu budou po jeho ukončení účastníci schopni:

• Pochopit architekturu runtime a cyklus životnosti výkonu CANN.
• Využívat nástroje pro profilaci a Graph Engine pro analýzu a optimalizaci výkonu.
• Vytvářet a optimalizovat vlastní operátory pomocí TIK a TVM.
• Rozlišit omezující faktory paměti a zlepšit propustnost modelů.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Praktické laboratorní cvičení s reálnou profilací a posuzováním operátorů.
• Cvičení na optimalizaci pomocí příkladů nasazení specifických pro hraniční případy.

Možnosti individualizace kurzu

• K vytvoření individualizovaného kurzu se prosím obraťte na nás, abychom mohli uspořádat schůzku.

Architektury GPU, jako například Huawei Ascend, Biren a Cambricon MLU, nabízejí alternativy k CUDA optimalizované pro místní trhy AI a HPC.

Tento instruktor-provedený živý kurz (online nebo na místě) je zaměřen na pokročilé programátory GPU a odborníky na infrastrukturu, kteří chtějí migrovat a optimalizovat existující aplikace CUDA pro nasazení na čínská hardwarová platforma.

Koncem tohoto kurzu budou účastníci schopni:

• Hodnotit kompatibilitu stávajících zátěží CUDA s alternativami čínských čipů.
• Migrovat kódové báze CUDA do prostředí Huawei CANN, Biren SDK a Cambricon BANGPy.
• Srovnávat výkon a identifikovat body optimalizace na různých platformách.
• Zpracovávat praktické výzvy při podpoře meziarchitektury a nasazení.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Konkrétní práce s překladem kódu a porovnáním výkonu.
• Vedené cvičení zaměřená na strategie adaptace pro více GPU architektury.

Možnosti individualizace kurzu

• Pro žádost o individualizovaný kurz na základě vaší platformy nebo projektu CUDA, kontaktujte nás pro uspořádání.

Toto živé školení vedené instruktorem v Prague (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.

97 % klientů je spokojeno.

CANN (Compute Architecture for Neural Networks) je AI výpočetní vrstva od Huawei pro nasazování a optimalizaci AI modelů na procesorech Ascend AI.

Tato instruktorově prováděná tréninková sonda (vzdáleně nebo na místě) je určena středně pokročilým vývojářům a inženýrům v oblasti AI, kteří chtějí efektivně nasadit trénované AI modely na Huawei Ascend zařízení pomocí nástrojů a nástrojů zahrnutých v toolkitu CANN, jako jsou například MindSpore, TensorFlow nebo PyTorch.

Po absolvování tohoto tréninku budou účastníci schopni:

• Porozumět architektuře CANN a její roli v AI nasazovacím průběhu.
• Převést a adaptovat modely z populárních frameworků do formátů kompatibilních s Ascend.
• Používat nástroje jako ATC, OM převod modelu a MindSpore pro dedukci v hraničním a cloudovém prostředí.
• Diagnostikovat problémy s nasazením a optimalizovat výkon na zařízeních Ascend.

Formát kurzu

• Interaktivní přednáška a demonstrace.
• Praktické práce s nástroji CANN a Ascend simulátory nebo zařízeními.
• Skutečné nasazovací scénáře založené na reálných AI modelech.

Možnosti individualizace kurzu

• Pro žádost o individualizovaný trénink tohoto kurzu nás kontaktujte pro uspořádání.

Biren AI Accelerators jsou vysokorychlostní GPUy navržené pro AI a HPC úlohy s podporou velkokapacitního trénování a inferencí.

Tato instruktážní školení (online nebo na místě) je zaměřeno na středně pokročilé a pokročilé vývojáře, kteří chtějí programovat a optimalizovat aplikace pomocí proprietního GPU stacku Biren, s praktickými porovnáními CUDA založeným prostředím.

Koncepci tohoto školení budou účastníci moci:

• Porozumět architektuře Biren GPU a hierarchii paměti.
• Nastavit vývojové prostředí a použít programovací model Biren.
• Přeložit a optimalizovat CUDA stylů kód pro platformy Biren.
• Používat techniky optimalizace výkonu a ladění.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Praktické použití Biren SDK v ukázce GPU úloh.
• Prověřované cvičení zaměřené na portování a optimalizaci výkonu.

Možnosti individualizace kurzu

• Pokud si přejete individualizované školení pro tento kurz založené na vašem aplikovém stacku nebo potřebách integrace, kontaktujte nás prosím pro uspořádání.

Cambricon MLUs (Machine Learning jednotek) jsou specializované AI čipy optimalizované pro inferenci a trénování v scénářích na okraji a ve datacenterch.

Tento instruktorův živý kurz (online nebo na místě) je určen středně pokročilým vývojářům, kteří chtějí vyvíjet a nasazovat AI modely pomocí frameworku BANGPy a SDK Neuware na hardwaru Cambricon MLU.

Koncem tohoto kurzu budou účastníci schopni:

• Nastavit a nakonfigurovat vývojové prostředí pro BANGPy a Neuware.
• Vytvářet a optimalizovat modely založené na Python a C++ pro Cambricon MLU.
• Nasazovat modely do zařízení na okraji a ve datacenterch s běhícím runtimeem Neuware.
• Integrovat pracovní postupy ML se specifickými akcelerovanými funkcemi MLU.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Ruční použití BANGPy a Neuware pro vývoj a nasazení.
• Vedené cvičení zaměřené na optimalizaci, integraci a testování.

Možnosti přizpůsobení kurzu

• Pro žádost o přizpůsobený kurz založený na vašem modelu zařízení Cambricon nebo konkrétním případu použití, kontaktujte nás pro dohodu.

Toto živé školení vedené instruktorem v Prague (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.

Tento vedený kurz (živě online nebo na místě) je určen pro začátečníky až středně pokročilé vývojáře, kteří chtějí používat OpenCL ke programování heterogenních zařízení a využít jejich paralelizaci.

Do konce tohoto kurzu budou účastníci schopni:

• nastavit vývojové prostředí, které zahrnuje OpenCL SDK, zařízení podporující OpenCL a Visual Studio Code.
• vytvořit základní program v OpenCL, který provede vektorovou sčítání na zařízení a získá výsledky z paměti zařízení.
• použít API pro OpenCL k dotazování informací o zařízení, vytváření kontextů, front příkazů, bufferů, jáдер a událostí.
• použít jazyk C s rozšířením pro OpenCL k psaní jáдер, která se spustí na zařízení a manipuluje s daty.
• použít integrované funkce, rozšíření a knihovny v OpenCL ke spuštění běžných úloh a operací.
• použít model paměti hostitele a zařízení pro optimalizaci přenosů dat a přístupů k paměti.
• použít výkonový model OpenCL ke kontrole pracovních položek, skupin práce a ND-zón.
• ladit a testovat programy v OpenCL pomocí nástrojů jako CodeXL, Intel VTune a NVIDIA Nsight.
• optimalizovat programy v OpenCL s použitím technik jako je vektorizace, rozbalení cyklů, místní paměť a profilace.

Toto školení vedené instruktorem (online nebo na místě) je určeno středně pokročilým vývojářům, kteří chtějí použít CUDA ke vytváření Python aplikací, které běží paralelně na zařízeních NVIDIA GPU.

Na konci tohoto školení budou účastníci schopni:

• Využívat kompilátor Numba k urychlení Python aplikací běžících na NVIDIA GPU.
• Vytvářet, kompilovat a spouštět vlastní CUDA jádra.
• Spravovat paměť GPU.
• Převést aplikaci založenou na CPU do aplikace zrychlené pomocí GPU.

Tento instruktorem vedený živý výukový kurz v Prague 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.