Köszönjük, hogy elküldte érdeklődését! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Köszönjük, hogy elküldte foglalását! Csapatunk egyik tagja hamarosan felveszi Önnel a kapcsolatot.
Kurzusleírás
A kínai MI GPU-ökoszisztéma áttekintése
- A Huawei Ascend, a Biren és a Cambricon MLU összehasonlítása
- CUDA a CANN-nel, a Biren SDK-val és a BANGPy-modellekkel szemben
- Ipari trendek és gyártói ökoszisztémák
Felkészülés a migrációra
- A CUDA-kódbázis felmérése
- Célplatformok és SDK-verziók azonosítása
- Eszközlánc-telepítés és környezetbeállítás
Kódátültetési technikák
- CUDA-memória-hozzáférés és kernellogika átültetése
- Számítási rács-/szálmodellek leképezése
- Automatikus és kézi átültetési lehetőségek
Platformspecifikus megvalósítások
- Huawei CANN-operátorok és egyedi kernelek használata
- Biren SDK konverziós folyamat
- Modellek újraépítése BANGPy-val (Cambricon)
Platformok közötti tesztelés és optimalizálás
- Végrehajtás profilozása minden célplatformon
- Memóriahangolás és párhuzamos végrehajtás összehasonlítása
- Teljesítménykövetés és iteráció
Vegyes GPU-környezetek kezelése
- Hibrid telepítések több architektúrával
- Tartalék stratégiák és eszközfelismerés
- Absztrakciós rétegek a kód karbantarthatóságáért
Esettanulmányok és bevált gyakorlatok
- Vízió-/NLP-modellek átültetése Ascendre vagy Cambriconra
- Következtetési folyamatok utólagos átalakítása Biren-klasztereken
- Verzióeltérések és API-hiányosságok kezelése
Összefoglalás és következő lépések
Követelmények
- Tapasztalat CUDA-val vagy GPU-alapú alkalmazások programozásában
- A GPU-memóriamodellek és számítási kernelek ismerete
- Jártasság MI-modell telepítési vagy gyorsítási munkafolyamatokban
Célközönség
- GPU-programozók
- Rendszerarchitektek
- Átültetési szakemberek
21 Órák
