Kurzusleírás

Bevezetés

A Heterogén Számítási Módszertan Alapjainak Megértése

Miért Párhuzamos Számítás? A Párhuzamos Számítás Szükségességének Megértése

Többmagos Processzorok - Architektúra és Tervezés

Bevezetés a Szálakba, Szálak Alapjai és a Párhuzamos Programozás Alapfogalmai

A GPU Szoftver Optimalizációs Folyamatok Alapjainak Megértése

OpenMP - Szabvány az Irányítás-Alapú Párhuzamos Programozáshoz

Gyakorlati Bemutató / Különböző Programok Bemutatása Többmagos Gépeken

Bevezetés a GPU Számításba

GPU-k Párhuzamos Számításhoz

GPU-k Programozási Modellje

Gyakorlati Bemutató / Különböző Programok Bemutatása GPU-n

SDK, Eszközkészlet és Környezet Telepítése GPU-hoz

Különböző Könyvtárak Használata

GPU és Eszközök Bemutatása Mintaprogramokkal és OpenACC-vel

A CUDA Programozási Modell Megértése

A CUDA Architektúra Megismerése

A CUDA Fejlesztői Környezetek Felfedezése és Beállítása

A CUDA Futási Idő API-val Való Munka

A CUDA Memória Modell Megértése

További CUDA API Funkciók Felfedezése

Hatékony Globális Memória Elérése CUDA-ban: Globális Memória Optimalizálás

Adatátvitel Optimalizálása CUDA-ban CUDA Streams Segítségével

Megosztott Memória Használata CUDA-ban

Atomi Műveletek és Utasítások Megértése és Használata CUDA-ban

Esettanulmány: Alapvető Digitális Képfeldolgozás CUDA-val

Több GPU-s Programozás

Fejlett Hardver Profilozás és Mintavételezés NVIDIA / CUDA-n

CUDA Dinamikus Párhuzamossági API Használata Dinamikus Kernel Indításhoz

Összefoglalás és Befejezés

Követelmények

  • C Programozás
  • Linux GCC
 21 Órák

Résztvevők száma


Ár per résztvevő

Vélemények (1)

Közelgő kurzusok

Rokon kategóriák