Kurzusleírás

Bevezetés a Biren GPU Architektúrába

  • Biren áttekintés és használati esetek
  • Hardver felépítés: magok, memória, számítási klaszterek
  • Összehasonlítás NVIDIA és AMD GPU-kkal

A Biren Programozási Környezet Beállítása

  • Biren SDK és futtatókörnyezet telepítése
  • Az eszközlánc és fordítómodell megértése
  • Alapvető projektstruktúra és build folyamat

GPU Programozás a Biren Stackkel

  • Szál- és blokk modellek
  • Memóriakezelés és adatátvitel
  • Kernel fejlesztés és indítási minták

Portolás CUDA-ról Biren-re

  • CUDA kódok fordítási technikái
  • Gyakori API leképezések és adaptációk
  • Kódkonverziós laborok és gyakorlatok

Hibakeresés és Profilkészítés

  • A Biren hibakereső és profiler használata
  • Szűk keresztmetszetek azonosítása
  • Memória hozzáférési minták és optimalizálás

Optimalizációs Technikák

  • Szálütemezés és utasítás-folyamok
  • Ciklusbontás és megosztott memória használata
  • Haladó kernel hangolás az átviteli sebesség érdekében

Esettanulmány és Alkalmazási Példák

  • Modell tanítása Biren gyorsítókön
  • Látási vagy NLP modell portolása és profilozása
  • Teljesítmény összehasonlítás CUDA/NVIDIA-val

Összefoglalás és Következő Lépések

Követelmények

  • A GPU architektúra és párhuzamos feldolgozás ismerete
  • Tapasztalat CUDA, OpenCL vagy hasonló GPU programozási környezetekkel
  • Ismeret a mélytanulási keretrendszerekben, mint a PyTorch vagy a TensorFlow

Célközönség

  • HPC fejlesztők
  • AI infrastruktúra mérnökök
  • Teljesítményoptimalizálási szakemberek
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák