Introduction to GPU Programming Kurzusok

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a CUDA segítségével szeretnének létrehozni Python alkalmazásokat, amelyek párhuzamosan futnak NVIDIA GPU-kon.

A képzés végére a résztvevők képesek lesznek:

• A Numba fordító segítségével felgyorsíthatja Python az NVIDIA GPU-kon futó alkalmazásokat.
• Egyéni CUDA kernelek létrehozása, fordítása és elindítása.
• GPU memória kezelése.
• CPU-alapú alkalmazás konvertálása GPU-gyorsított alkalmazássá.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő szintű rendszergazdáknak és informatikai szakembereknek szól, akik CUDA-környezeteket szeretnének telepíteni, konfigurálni, kezelni és hibaelhárítást végezni.

A képzés végére a résztvevők képesek lesznek:

• Ismerje meg a CUDA architektúráját, összetevőit és képességeit.
• Telepítse és konfigurálja a CUDA-környezeteket.
• Kezelje és optimalizálja a CUDA-erőforrásokat.
• Hibakeresés és a gyakori CUDA-problémák elhárítása.

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

Ez az oktató által vezetett, élő képzés a Magyarország-ban bemutatja, hogyan kell programozni GPU-kat párhuzamos számítástechnikára, hogyan kell használni a különböző platformokat, hogyan kell dolgozni a CUDA platformmal és annak szolgáltatásaival, valamint hogyan kell különféle optimalizálási technikákat végrehajtani a CUDA használatával. . Néhány alkalmazás mély tanulási, elemzési, képfeldolgozó és mérnöki alkalmazásokat tartalmaz.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik hardveresen gyorsított objektumészlelési és nyomkövetési modelleket szeretnének építeni a streaming videoadatok elemzéséhez.

A képzés végére a résztvevők képesek lesznek:

• A fejlesztés megkezdéséhez telepítse és konfigurálja a szükséges fejlesztői környezetet, szoftvereket és könyvtárakat.
• Építsen, képezzen és telepítsen mély tanulási modelleket az élő videofeedek elemzéséhez.
• A videokockákon belüli különböző objektumok azonosítása, követése, szegmentálása és előrejelzése.
• Optimalizálja az objektumészlelési és nyomkövetési modelleket.
• Telepítsen egy intelligens videóelemző (IVA) alkalmazást.

OpenCL is an open standard for heterogeneous programming that enables a code to run on different platforms and devices, such as multicore CPUs, GPUs, FPGAs, and others. OpenCL exposes the programmer to the hardware details and gives full control over the parallelization process. However, this also requires a good understanding of the device architecture, memory model, execution model, and optimization techniques.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to use OpenCL to program heterogeneous devices and exploit their parallelism.

By the end of this training, participants will be able to:

• Set up a development environment that includes OpenCL SDK, a device that supports OpenCL, and Visual Studio Code.
• Create a basic OpenCL program that performs vector addition on the device and retrieves the results from the device memory.
• Use OpenCL API to query device information, create contexts, command queues, buffers, kernels, and events.
• Use OpenCL C language to write kernels that execute on the device and manipulate data.
• Use OpenCL built-in functions, extensions, and libraries to perform common tasks and operations.
• Use OpenCL host and device memory models to optimize data transfers and memory accesses.
• Use OpenCL execution model to control the work-items, work-groups, and ND-ranges.
• Debug and test OpenCL programs using tools such as CodeXL, Intel VTune, and NVIDIA Nsight.
• Optimize OpenCL programs using techniques such as vectorization, loop unrolling, local memory, and profiling.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

CUDA is an open standard for GPU programming that enables a code to run on NVIDIA GPUs, which are widely used for high-performance computing, artificial intelligence (AI), gaming, and graphics. CUDA exposes the programmer to the hardware details and gives full control over the parallelization process. However, this also requires a good understanding of the device architecture, memory model, execution model, and optimization techniques.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to use CUDA to program NVIDIA GPUs and exploit their parallelism.

By the end of this training, participants will be able to:

• Set up a development environment that includes CUDA Toolkit, a NVIDIA GPU, and Visual Studio Code.
• Create a basic CUDA program that performs vector addition on the GPU and retrieves the results from the GPU memory.
• Use CUDA API to query device information, allocate and deallocate device memory, copy data between host and device, launch kernels, and synchronize threads.
• Use CUDA C/C++ language to write kernels that execute on the GPU and manipulate data.
• Use CUDA built-in functions, variables, and libraries to perform common tasks and operations.
• Use CUDA memory spaces, such as global, shared, constant, and local, to optimize data transfers and memory accesses.
• Use CUDA execution model to control the threads, blocks, and grids that define the parallelism.
• Debug and test CUDA programs using tools such as CUDA-GDB, CUDA-MEMCHECK, and NVIDIA Nsight.
• Optimize CUDA programs using techniques such as coalescing, caching, prefetching, and profiling.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

GPU programming is a technique that leverages the parallel processing power of GPUs to accelerate applications that require high-performance computing, such as artificial intelligence, gaming, graphics, and scientific computing. There are several frameworks that enable GPU programming, each with its own advantages and disadvantages. OpenCL is an open standard that can be used to program CPUs, GPUs, and other devices from different vendors, while CUDA is specific to NVIDIA GPUs. ROCm is a platform that supports GPU programming on AMD GPUs, and also provides compatibility with CUDA and OpenCL.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to use different frameworks for GPU programming and compare their features, performance, and compatibility.

By the end of this training, participants will be able to:

• Set up a development environment that includes OpenCL SDK, CUDA Toolkit, ROCm Platform, a device that supports OpenCL, CUDA, or ROCm, and Visual Studio Code.
• Create a basic GPU program that performs vector addition using OpenCL, CUDA, and ROCm, and compare the syntax, structure, and execution of each framework.
• Use the respective APIs to query device information, allocate and deallocate device memory, copy data between host and device, launch kernels, and synchronize threads.
• Use the respective languages to write kernels that execute on the device and manipulate data.
• Use the respective built-in functions, variables, and libraries to perform common tasks and operations.
• Use the respective memory spaces, such as global, local, constant, and private, to optimize data transfers and memory accesses.
• Use the respective execution models to control the threads, blocks, and grids that define the parallelism.
• Debug and test GPU programs using tools such as CodeXL, CUDA-GDB, CUDA-MEMCHECK, and NVIDIA Nsight.
• Optimize GPU programs using techniques such as coalescing, caching, prefetching, and profiling.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

ROCm is an open source platform for GPU programming that supports AMD GPUs, and also provides compatibility with CUDA and OpenCL. ROCm exposes the programmer to the hardware details and gives full control over the parallelization process. However, this also requires a good understanding of the device architecture, memory model, execution model, and optimization techniques.

HIP is a C++ runtime API and kernel language that allows you to write portable code that can run on both AMD and NVIDIA GPUs. HIP provides a thin abstraction layer over the native GPU APIs, such as ROCm and CUDA, and allows you to leverage the existing GPU libraries and tools.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to use ROCm and HIP to program AMD GPUs and exploit their parallelism.

By the end of this training, participants will be able to:

• Set up a development environment that includes ROCm Platform, a AMD GPU, and Visual Studio Code.
• Create a basic ROCm program that performs vector addition on the GPU and retrieves the results from the GPU memory.
• Use ROCm API to query device information, allocate and deallocate device memory, copy data between host and device, launch kernels, and synchronize threads.
• Use HIP language to write kernels that execute on the GPU and manipulate data.
• Use HIP built-in functions, variables, and libraries to perform common tasks and operations.
• Use ROCm and HIP memory spaces, such as global, shared, constant, and local, to optimize data transfers and memory accesses.
• Use ROCm and HIP execution models to control the threads, blocks, and grids that define the parallelism.
• Debug and test ROCm and HIP programs using tools such as ROCm Debugger and ROCm Profiler.
• Optimize ROCm and HIP programs using techniques such as coalescing, caching, prefetching, and profiling.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

ROCm is an open source platform for GPU programming that supports AMD GPUs, and also provides compatibility with CUDA and OpenCL. ROCm exposes the programmer to the hardware details and gives full control over the parallelization process. However, this also requires a good understanding of the device architecture, memory model, execution model, and optimization techniques.

ROCm for Windows is a recent development that allows users to install and use ROCm on Windows operating system, which is widely used for personal and professional purposes. ROCm for Windows enables users to leverage the power of AMD GPUs for various applications, such as artificial intelligence, gaming, graphics, and scientific computing.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level developers who wish to install and use ROCm on Windows to program AMD GPUs and exploit their parallelism.

By the end of this training, participants will be able to:

• Set up a development environment that includes ROCm Platform, a AMD GPU, and Visual Studio Code on Windows.
• Create a basic ROCm program that performs vector addition on the GPU and retrieves the results from the GPU memory.
• Use ROCm API to query device information, allocate and deallocate device memory, copy data between host and device, launch kernels, and synchronize threads.
• Use HIP language to write kernels that execute on the GPU and manipulate data.
• Use HIP built-in functions, variables, and libraries to perform common tasks and operations.
• Use ROCm and HIP memory spaces, such as global, shared, constant, and local, to optimize data transfers and memory accesses.
• Use ROCm and HIP execution models to control the threads, blocks, and grids that define the parallelism.
• Debug and test ROCm and HIP programs using tools such as ROCm Debugger and ROCm Profiler.
• Optimize ROCm and HIP programs using techniques such as coalescing, caching, prefetching, and profiling.

Format of the Course

• Interactive lecture and discussion.
• Lots of exercises and practice.
• Hands-on implementation in a live-lab environment.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő- és középszintű fejlesztőknek szól, akik az OpenACC-t szeretnék használni heterogén eszközök programozására és párhuzamosságuk kihasználására.

A képzés végére a résztvevők képesek lesznek:

• Hozzon létre egy fejlesztői környezetet, amely tartalmazza az OpenACC SDK-t, egy OpenACC-t támogató eszközt és Visual Studio kódot.
• Hozzon létre egy alap OpenACC programot, amely vektorösszeadást végez az eszközön, és lekéri az eredményeket az eszköz memóriájából.
• Használjon OpenACC direktívákat és záradékokat a kód megjegyzéseihez, és adja meg a párhuzamos régiókat, az adatmozgatást és az optimalizálási beállításokat.
• Használja az OpenACC API-t az eszközinformációk lekérdezéséhez, az eszközszám beállításához, a hibák kezeléséhez és az események szinkronizálásához.
• Használjon OpenACC-könyvtárakat és interoperabilitási szolgáltatásokat az OpenACC más programozási modellekkel, például CUDA-val, OpenMP-val és MPI-vel való integrálásához.
• Használja az OpenACC eszközöket az OpenACC programok profilozásához és hibakereséséhez, valamint a teljesítmény szűk keresztmetszete és lehetőségei azonosításához.
• Optimalizálja az OpenACC programokat olyan technikák segítségével, mint az adatlokalitás, a hurokfúzió, a kernelfúzió és az automatikus hangolás.

Amit a képzés során megtanulunk:

• A számítógépes grafika és az asztali kiadvány létrehozásának elvei
• módja annak, hogy meghatározza és dolgozzon a szín
• Vektor és bitmap grafika közötti különbségek
• Módja a színes fényképek és grafika személyre szabására
• A retouching és a fotomontagok létrehozásának elvei
• Hozzon létre saját illusztrációkat és grafikákat
• a grafikai anyagok összetételének és nyomtatásának igényeinek kielégítésére megbízott
• Hogyan készítsünk logót és logót
• Érdekes grafikonok és táblák létrehozása
• Üzleti kártya létrehozása és levelfej
• címkék, diplomák, meghívások létrehozása
• A levelek elkészítése
• Hogyan formázzuk ki a szöveget
• Spot színek használata
• A nyomtatásra való felkészülés alapelvei
• digitális nyomtatás, offset nyomtatás, képernyőnyomtatás

Tippek az osztályok témái:

• A poszterem
• portré
• bővítés
• A katalógus
• Az én arcom
• billboard
• A logó

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) kezdő és középszintű fejlesztőknek és UI/UX tervezőknek szól, akik a Adobe LiveCycle Designer segítségével interaktív és dinamikus PDF-űrlapokat szeretnének létrehozni.

A képzés végére a résztvevők képesek lesznek:

• PDF-űrlapok létrehozása és szerkesztése különféle elemekkel és tulajdonságokkal.
• Adjon hozzá szkripteket és logikát a PDF-űrlapokhoz a JavaScript segítségével.
• A PDF-űrlapok érvényesítése és biztonságossá tétele.
• Integrálja a PDF-űrlapokat adatforrásokkal és webszolgáltatásokkal.
• PDF-űrlapok telepítése és terjesztése.

For those who want to start with new software as well as who already know other software for vector graphics and want to quickly start working with new software.

The participant will learn during the training:

• use a vector graphics program.
• create simple objects
• creating advanced curves
• create a logo
• tracing elements created on paper or photograph
• receipt of leaflets
• advertising posters
• open and modify documents and PDF vector, EPS