GPU oktatás Magyarország

A Huawei Ascend egy nagy teljesítményű mesterséges intelligencia processzorokból álló család, amelyet következtetésre és tanításra terveztek.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középszintű mesterséges intelligencia mérnököknek és adattudósoknak szól, akik a Huawei Ascend platformját és a CANN eszközkészletét használva szeretnének neurális hálózati modelleket fejleszteni és optimalizálni.

A képzés végére a résztvevők képesek lesznek:

• Beállítani és konfigurálni a CANN fejlesztői környezetet.
• Mesterséges intelligencia alkalmazásokat fejleszteni a MindSpore és CloudMatrix munkafolyamatok segítségével.
• Teljesítményt optimalizálni az Ascend NPU-kon egyéni operátorok és tiling használatával.
• Modellek üzembe helyezése peremhálózati vagy felhő környezetekben.

A kurzus formátuma

• Interaktív előadás és megbeszélés.
• Gyakorlati alkalmazások a Huawei Ascend és CANN eszközkészletével.
• Irányított gyakorlatok a modellépítés, tanítás és üzembe helyezés fókuszálásával.

Kurzus Testreszabási Lehetőségek

• Ha testreszabott képzést szeretne kérni az Ön infrastruktúrája vagy adathalmaza alapján, kérjük, lépjen kapcsolatba velünk.

A Huawei AI stackje – az alacsony szintű CANN SDK-től a magas szintű MindSpore keretrendszerig – egy szorosan integrált AI fejlesztési és üzembe helyezési környezetet kínál, amely az Ascend hardverre van optimalizálva.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) kezdő és középhaladó szintű szakembereknek szól, akik szeretnék megérteni, hogyan működnek együtt a CANN és a MindSpore komponensek az AI életciklus-kezelés és infrastruktúra döntések támogatásában.

A képzés végén a résztvevők képesek lesznek:

• Megérteni a Huawei AI számítási stack rétegzett architektúráját.
• Azonosítani, hogyan támogatja a CANN a modelloptimalizálást és a hardver szintű üzembe helyezést.
• A MindSpore keretrendszer és eszközlánc értékelése az iparági alternatívákkal összehasonlítva.
• A Huawei AI stack elhelyezése vállalati vagy felhő/helyszíni környezetekben.

A képzés formátuma

• Interaktív előadás és vita.
• Élő rendszerbemutatók és esetalapú bemutatók.
• Opcionális irányított laborok a modelláramlásról a MindSpore-től a CANN-ig.

Képzés testreszabási lehetőségek

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

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

A képzés végére a résztvevők képesek lesznek:

• OpenACC fejlesztői környezet beállítására.
• Alapvető OpenACC program írására és futtatására.
• Kód annotálására OpenACC direktívákkal és záradékokkal.
• OpenACC API és könyvtárak használatára.
• OpenACC programok profilozására, hibakeresésére és optimalizálására.

A CANN SDK (Compute Architecture for Neural Networks) hatékony telepítési és optimalizálási eszközöket kínál valós idejű AI alkalmazásokhoz a számítógépes látás és NLP területén, különösen a Huawei Ascend hardvereken.

Ez az oktató által vezetett, élő képzés (online vagy helyszínen) középszintű AI szakembereknek szól, akik a CANN SDK segítségével szeretnének látási és nyelvi modelleket építeni, telepíteni és optimalizálni üzemi használati esetekhez.

A képzés végén a résztvevők képesek lesznek:

• CV és NLP modellek telepítése és optimalizálása a CANN és AscendCL segítségével.
• CANN eszközök használata modellek átalakításához és integrálásához élő folyamatokba.
• Inferencia teljesítmény optimalizálása feladatokhoz, mint az észlelés, osztályozás és érzelmek elemzése.
• Valós idejű CV/NLP folyamatok építése peremhálózati vagy felhőalapú telepítési forgatókönyvekhez.

A képzés formátuma

• Interaktív előadás és bemutató.
• Gyakorlati labor modell telepítéssel és teljesítményprofilozással.
• Élő folyamat tervezés valós CV és NLP használati esetekkel.

Kurzus Testreszabási Lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) kezdő és középhaladó szintű fejlesztőknek szól, akik meg szeretnék ismerni a GPU programozás alapjait és a GPU alkalmazások fejlesztéséhez szükséges főbb keretrendszereket és eszközöket.

• A képzés végére a résztvevők képesek lesznek:
  Megérteni a CPU és GPU számítás közötti különbséget, valamint a GPU programozás előnyeit és kihívásait.
• Kiválasztani a megfelelő keretrendszert és eszközt a GPU alkalmazásukhoz.
• Létrehozni egy alapvető GPU programot, amely vektorösszeadást hajt végre egy vagy több keretrendszer és eszköz használatával.
• Használni a megfelelő API-kat, nyelveket és könyvtárakat az eszköz információk lekérdezéséhez, eszközmemória lefoglalásához és felszabadításához, adatok másolásához a hoszt és az eszköz között, kernel indításához és szálak szinkronizálásához.
• Használni a megfelelő memóriatereket, például globális, lokális, konstans és privát teret az adatátvitel és memória-hozzáférés optimalizálásához.
• Használni a megfelelő végrehajtási modelleket, például munkaegységeket, munkacsoportokat, szálakat, blokkokat és rácsokat a párhuzamosság szabályozásához.
• Hibakeresést és tesztelést végezni GPU programokon olyan eszközök használatával, mint a CodeXL, CUDA-GDB, CUDA-MEMCHECK és NVIDIA Nsight.
• Optimalizálni GPU programokat olyan technikák használatával, mint az összevonás, gyorsítótárazás, előzetes betöltés és profilozás.

A CANN TIK (Tensor Instruction Kernel) és az Apache TVM lehetővé teszi a Huawei Ascend hardverre szánt AI modell operátorok fejlett optimalizálását és testreszabását.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) haladó szintű rendszerfejlesztőknek szól, akik egyedi operátorokat szeretnének építeni, üzembe helyezni és finomhangolni AI modellekhez a CANN TIK programozási modellje és a TVM fordító integrációja segítségével.

A képzés végére a résztvevők képesek lesznek:

• Egyedi AI operátorokat írni és tesztelni a TIK DSL segítségével Ascend processzorokon.
• Egyedi operátorokat integrálni a CANN futási környezetbe és végrehajtási gráfba.
• A TVM használata operátorok ütemezésére, automatikus finomhangolására és teljesítménytesztelésére.
• Egyedi számítási minták utasításszintű teljesítményének hibakeresése és optimalizálása.

A képzés formátuma

• Interaktív előadás és bemutató.
• Gyakorlati operátorprogramozás TIK és TVM folyamatok segítségével.
• Tesztelés és finomhangolás Ascend hardveren vagy szimulátorokon.

Képzés Testreszabási Lehetőségek

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) kezdő és középhaladó szintű fejlesztőknek szól, akik különböző keretrendszereket szeretnének használni a GPU programozásban, és össze szeretnék hasonlítani azok funkcióit, teljesítményét és kompatibilitását.

A képzés végére a résztvevők képesek lesznek:

• Fejlesztői környezet beállítása, amely magában foglalja az OpenCL SDK-t, a CUDA Toolkitet, a ROCm Platformot, egy OpenCL, CUDA vagy ROCm-t támogató eszközt, valamint a Visual Studio Code-ot.
• Alapvető GPU program létrehozása, amely vektorösszeadást végez OpenCL, CUDA és ROCm segítségével, valamint az egyes keretrendszerek szintaxisának, szerkezetének és végrehajtásának összehasonlítása.
• A megfelelő API-k használata eszközadatok lekérdezéséhez, eszközmemória lefoglalásához és felszabadításához, adatok másolásához a gazda és az eszköz között, kernel indításához és szálak szinkronizálásához.
• A megfelelő nyelvek használata kernel írásához, amely az eszközön fut és adatokat kezel.
• A beépített függvények, változók és könyvtárak használata gyakori feladatok és műveletek végrehajtásához.
• A megfelelő memóriaterületek, például globális, lokális, konstans és privát használata az adatátvitel és memória-hozzáférés optimalizálásához.
• A megfelelő végrehajtási modellek használata a szálak, blokkok és rácsok szabályozásához, amelyek meghatározzák a párhuzamosságot.
• GPU programok hibakeresése és tesztelése olyan eszközökkel, mint a CodeXL, CUDA-GDB, CUDA-MEMCHECK és NVIDIA Nsight.
• GPU programok optimalizálása olyan technikákkal, mint a coalescing, gyorsítótárazás, előzetes betöltés és profilozás.

A CloudMatrix a Huawei egységesített AI fejlesztési és üzembe helyezési platformja, amely skálázható, éles környezetben használható következtetési folyamatokat támogat.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) kezdő és középhaladó szintű AI szakembereknek szól, akik a CloudMatrix platformot szeretnék használni AI modellek üzembe helyezésére és monitorozására, CANN és MindSpore integrációval.

A képzés végére a résztvevők képesek lesznek:

• A CloudMatrix használata modellek csomagolására, üzembe helyezésére és kiszolgálására.
• Modellek konvertálása és optimalizálása Ascend chipkészletekre.
• Folyamatok beállítása valós idejű és kötegelt következtetési feladatokhoz.
• Üzembe helyezések monitorozása és teljesítmény finomhangolása éles környezetben.

A képzés formátuma

• Interaktív előadás és vita.
• Gyakorlati feladatok a CloudMatrix használatával valós üzembe helyezési forgatókönyvekben.
• Irányított gyakorlatok a konverzióra, optimalizálásra és skálázásra fókuszálva.

Képzés testreszabási lehetőségek

• Ha testreszabott képzést szeretne kérni az Ön AI infrastruktúrája vagy felhő környezete alapján, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

A Huawei Ascend CANN eszközkészlete hatékony AI következtetést tesz lehetővé peremhálózati eszközökön, mint például az Ascend 310. A CANN alapvető eszközöket biztosít a modellek fordításához, optimalizálásához és telepítéséhez olyan környezetekben, ahol a számítási kapacitás és a memória korlátozott.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középszintű AI fejlesztők és integrátorok számára készült, akik az Ascend peremhálózati eszközökön szeretnék modelleket telepíteni és optimalizálni a CANN eszközlánc segítségével.

A képzés végére a résztvevők képesek lesznek:

• AI modellek előkészítése és konvertálása az Ascend 310 számára a CANN eszközök segítségével.
• Könnyű súlyú következtetési folyamatok építése a MindSpore Lite és az AscendCL segítségével.
• Modellek teljesítményének optimalizálása korlátozott számítási és memóriás környezetekben.
• AI alkalmazások telepítése és monitorozása valós peremhálózati használati esetekben.

A képzés formátuma

• Interaktív előadás és bemutató.
• Gyakorlati labormunka peremhálózati modellekkel és forgatókönyvekkel.
• Élő telepítési példák virtuális vagy fizikai peremhálózati hardveren.

Képzés testreszabási lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) kezdő és középhaladó szintű fejlesztőknek szól, akik szeretnék telepíteni és használni a ROCm-et Windows rendszeren, hogy programozhassák az AMD GPU-kat és kihasználhassák azok párhuzamosítási képességeit.

A képzés végére a résztvevők képesek lesznek:

• Fejlesztői környezet beállítása, amely tartalmazza a ROCm Platformot, egy AMD GPU-t és a Visual Studio Code-ot Windows rendszeren.
• Alapvető ROCm program létrehozása, amely vektorösszeadást hajt végre a GPU-n, és lekéri az eredményeket a GPU memóriájából.
• ROCm API használata eszköz információk lekérdezésére, eszközmemória lefoglalására és felszabadítására, adatok másolására a gazda és az eszköz között, magok indítására és szálak szinkronizálására.
• HIP nyelv használata magok írására, amelyek a GPU-n futnak és az adatokat kezelik.
• HIP beépített függvények, változók és könyvtárak használata gyakori feladatok és műveletek végrehajtására.
• ROCm és HIP memóriaterületek használata, mint például globális, megosztott, konstans és helyi, az adatátvitel és a memória-hozzáférés optimalizálására.
• ROCm és HIP végrehajtási modellek használata a szálak, blokkok és rácsok irányítására, amelyek meghatározzák a párhuzamosítást.
• ROCm és HIP programok hibakeresése és tesztelése olyan eszközökkel, mint a ROCm Debugger és a ROCm Profiler.
• ROCm és HIP programok optimalizálása olyan technikákkal, mint az összeolvasztás, gyorsítótárazás, előtöltés és profilozás.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) kezdő és középszintű fejlesztőknek szól, akik szeretnék használni a ROCm és HIP rendszereket AMD GPU-k programozására és párhuzamosítási lehetőségeik kihasználására.

A képzés végére a résztvevők képesek lesznek:

• Fejlesztői környezet beállítása, amely magában foglalja a ROCm Platformot, egy AMD GPU-t és a Visual Studio Code-ot.
• Alapvető ROCm program létrehozása, amely vektorösszeadást hajt végre a GPU-n, és lekéri az eredményeket a GPU memóriából.
• ROCm API használata eszköz információk lekérdezésére, eszköz memória lefoglalására és felszabadítására, adatok másolására a hoszt és az eszköz között, kernel indítására és szálak szinkronizálására.
• HIP nyelv használata kernel írására, amelyek a GPU-n futnak és adatokat manipulálnak.
• HIP beépített függvények, változók és könyvtárak használata gyakori feladatok és műveletek elvégzésére.
• ROCm és HIP memóriaterületek, például globális, megosztott, konstans és lokális memória használata az adatátvitel és memória hozzáférés optimalizálására.
• ROCm és HIP végrehajtási modellek használata a párhuzamosságot meghatározó szálak, blokkok és rácsok vezérlésére.
• ROCm és HIP programok hibakeresése és tesztelése olyan eszközökkel, mint a ROCm Debugger és a ROCm Profiler.
• ROCm és HIP programok optimalizálása olyan technikákkal, mint a coalescing, gyorsítótárazás, előzetes betöltés és profilozás.

A CANN (Compute Architecture for Neural Networks) a Huawei AI számítási eszközkészlete, amely az AI modellek fordítására, optimalizálására és üzembe helyezésére szolgál az Ascend AI processzorokon.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) kezdő szintű AI fejlesztőknek szól, akik szeretnék megérteni, hogyan illeszkedik a CANN a modell életciklusába a képzéstől az üzembe helyezésig, és hogyan működik együtt olyan keretrendszerekkel, mint a MindSpore, a TensorFlow és a PyTorch.

A képzés végén a résztvevők képesek lesznek:

• Megérteni a CANN eszközkészlet célját és architektúráját.
• CANN és MindSpore fejlesztői környezet beállítása.
• Egyszerű AI modell konvertálása és üzembe helyezése Ascend hardveren.
• Alapvető ismeretek szerezése a jövőbeli CANN optimalizálási vagy integrációs projektekhez.

A kurzus formátuma

• Interaktív előadás és megbeszélés.
• Gyakorlati laborok egyszerű modell üzembe helyezéssel.
• Lépésről lépésre bemutatás a CANN eszközláncról és integrációs pontjairól.

Kurzus testreszabási lehetőségek

• Egyéni képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

Az Ascend, Biren és Cambricon Kína vezető AI hardverplatformjai, mindegyik egyedi gyorsítási és profilozó eszközöket kínál a termelési méretű AI munkaterhelésekhez.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) haladó szintű AI infrastruktúra- és teljesítménymérnököknek szól, akik optimalizálni szeretnék a modell következtetési és betanítási munkafolyamatokat több kínai AI chip platformon.

A képzés végén a résztvevők képesek lesznek:

• Modellmérések végrehajtása az Ascend, Biren és Cambricon platformokon.
• Rendszer szűk keresztmetszetek és memória/számítási hatékonyság hiányosságok azonosítása.
• Grafikon-szintű, mag-szintű és operátor-szintű optimalizációk alkalmazása.
• Telepítési folyamatok finomhangolása az átviteli sebesség és késleltetés javítása érdekében.

A képzés formátuma

• Interaktív előadás és vita.
• Profilozó és optimalizáló eszközök gyakorlati használata minden platformon.
• Gyakorlati hangolási forgatókönyvekre összpontosított vezetett gyakorlatok.

Képzés testreszabási lehetőségek

• Ha egyedi képzést szeretne kérni ezen a kurzuson a teljesítménykörnyezet vagy modelltípus alapján, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

A CANN SDK (Compute Architecture for Neural Networks) a Huawei AI számítási alapja, amely lehetővé teszi a fejlesztők számára, hogy finomhangolják és optimalizálják a telepített neurális hálózatok teljesítményét az Ascend AI processzorokon.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) haladó szintű AI fejlesztők és rendszermérnökök számára készült, akik a CANN fejlett eszközkészletének, beleértve a Graph Engine, TIK és egyéni operátor fejlesztését, használatával szeretnék optimalizálni az inferencia teljesítményt.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a CANN futási architektúráját és a teljesítmény életciklusát.
• Profilozó eszközök és Graph Engine használata a teljesítményelemzéshez és optimalizáláshoz.
• Egyéni operátorok létrehozása és optimalizálása a TIK és TVM segítségével.
• Memória szűk keresztmetszetek feloldása és a modell átviteli sebességének javítása.

A kurzus formátuma

• Interaktív előadás és vita.
• Gyakorlati laborok valós idejű profilozással és operátor hangolással.
• Optimalizálási gyakorlatok peremhelyzeti telepítési példákkal.

Kurzus testreszabási lehetőségek

• Ha testreszabott képzést szeretne kérni ehhez a kurzushoz, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

A kínai GPU architektúrák, mint például a Huawei Ascend, a Biren és a Cambricon MLU, a helyi AI és HPC piacokra szabott CUDA alternatívákat kínálnak.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) haladó szintű GPU programozóknak és infrastruktúra szakembereknek szól, akik a meglévő CUDA alkalmazásaikat szeretnék migrálni és optimalizálni kínai hardver platformokra.

A képzés végére a résztvevők képesek lesznek:

• Értékelni a meglévő CUDA munkaterhelések kompatibilitását a kínai chip alternatívákkal.
• Migrálni CUDA kódokat a Huawei CANN, Biren SDK és Cambricon BANGPy környezetekre.
• Összehasonlítani a teljesítményt és azonosítani az optimalizálási pontokat a platformok között.
• Megbirkózni a gyakorlati kihívásokkal a keresztezett architektúrák támogatása és üzembe helyezése terén.

A képzés formátuma

• Interaktív előadás és vita.
• Gyakorlati kódfordítás és teljesítmény-összehasonlítási laborok.
• Irányított gyakorlatok, amelyek a több-GPU adaptációs stratégiákra összpontosítanak.

Képzés testreszabási lehetőségei

• Ha egyedi képzést szeretne kérni ezen a kurzuson a platformja vagy CUDA projektje alapján, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

Ez az oktató által vezetett, élő képzés Magyarország-ben (online vagy helyszíni) kezdő és középhaladó szintű fejlesztőknek szól, akik szeretnék használni a CUDA-t NVIDIA GPU-k programozására és kihasználni a párhuzamosságot.

A képzés végén a résztvevők képesek lesznek:

• Fejlesztői környezet beállítása, amely magában foglalja a CUDA Toolkitet, egy NVIDIA GPU-t és a Visual Studio Code-ot.
• Alapvető CUDA program létrehozása, amely vektorösszeadást végez a GPU-n, és lekéri az eredményeket a GPU memóriából.
• CUDA API használata eszközadatok lekérdezésére, eszközmemória lefoglalására és felszabadítására, adatok másolására a hoszt és az eszköz között, kernel elindítására és szálak szinkronizálására.
• CUDA C/C++ nyelv használata kernel írására, amelyek a GPU-n futnak és adatokat kezelnek.
• CUDA beépített függvények, változók és könyvtárak használata gyakori feladatok és műveletek elvégzésére.
• CUDA memóriaterületek, például globális, megosztott, konstans és helyi memória használata az adatátvitel és memória hozzáférés optimalizálására.
• CUDA végrehajtási modell használata a párhuzamosságot meghatározó szálak, blokkok és rácsok irányítására.
• CUDA programok hibakeresése és tesztelése olyan eszközökkel, mint a CUDA-GDB, CUDA-MEMCHECK és NVIDIA Nsight.
• CUDA programok optimalizálása olyan technikákkal, mint az összeolvadás, gyorsítótárazás, előzetes betöltés és profilozás.

97% de clients satisfaits. 

A CANN (Compute Architecture for Neural Networks) a Huawei AI számítási vereme, amely az AI modellek üzembe helyezését és optimalizálását segíti az Ascend AI processzorokon.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó szintű AI fejlesztőknek és mérnököknek szól, akik hatékonyan szeretnék üzembe helyezni a betanított AI modelleket a Huawei Ascend hardveren, a CANN eszközkészlet és olyan eszközök, mint a MindSpore, TensorFlow vagy PyTorch segítségével.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a CANN architektúrát és annak szerepét az AI üzembe helyezési folyamatban.
• Modellek konvertálása és adaptálása népszerű keretrendszerekből Ascend-kompatibilis formátumokba.
• Eszközök használata, mint az ATC, OM modellkonverzió és MindSpore a peremhálózati és felhőalapú következtetésekhez.
• Üzembe helyezési problémák diagnosztizálása és teljesítmény optimalizálása az Ascend hardveren.

A képzés formátuma

• Interaktív előadás és bemutató.
• Gyakorlati labormunka a CANN eszközök és Ascend szimulátorok vagy eszközök használatával.
• Gyakorlati üzembe helyezési forgatókönyvek valós AI modellek alapján.

Kurzus testreszabási lehetőségek

• Egyedi képzés igényléséhez kérjük, lépjen kapcsolatba velünk.

A Biren AI Gyorsítók nagy teljesítményű GPU-k, amelyeket AI és HPC számítási feladatokhoz terveztek, nagy léptékű tanítási és következtetési támogatással.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középhaladó és haladó szintű fejlesztőknek szól, akik szeretnének alkalmazásokat programozni és optimalizálni a Biren saját GPU stackjével, gyakorlati összehasonlításokkal a CUDA-alapú környezetekkel.

A képzés végére a résztvevők képesek lesznek:

• Megérteni a Biren GPU architektúráját és memória-hierarchiáját.
• Beállítani a fejlesztői környezetet és használni a Biren programozási modelljét.
• CUDA-stílusú kódokat lefordítani és optimalizálni Biren platformokra.
• Teljesítményhangolási és hibakeresési technikákat alkalmazni.

A képzés formátuma

• Interaktív előadás és vita.
• Gyakorlati feladatok a Biren SDK használatával minta GPU feladatokon.
• Irányított gyakorlatok a portolásra és teljesítményhangolásra fókuszálva.

Képzés Testreszabási Lehetőségek

• Ha testreszabott képzést szeretne kérni az Ön alkalmazási stackje vagy integrációs igényei alapján, kérjük, lépjen kapcsolatba velünk a megbeszéléshez.

A Cambricon MLU-k (Machine Learning Units) speciális AI chipek, amelyek az inferencia és a tanítás során optimalizáltak edge és adatközponti forgatókönyvekhez.

Ez az oktató által vezetett, élő képzés (online vagy helyszíni) középszintű fejlesztőknek szól, akik AI modelleket szeretnének építeni és üzembe helyezni a BANGPy keretrendszer és a Neuware SDK segítségével Cambricon MLU hardveren.

A képzés végén a résztvevők képesek lesznek:

• A BANGPy és Neuware fejlesztői környezet beállítására és konfigurálására.
• Python- és C++ alapú modellek fejlesztésére és optimalizálására Cambricon MLU-khoz.
• Modellek üzembe helyezésére edge és adatközponti eszközökön, amelyeken a Neuware fut.
• ML munkafolyamatok integrálására MLU-specifikus gyorsítási funkciókkal.

A képzés formátuma

• Interaktív előadás és vita.
• Gyakorlati alkalmazás a BANGPy és Neuware fejlesztéséhez és üzembe helyezéséhez.
• Irányított gyakorlatok az optimalizálás, integráció és tesztelés területén.

Képzés testreszabási lehetőségei

• Ha egy testreszabott képzést szeretne kérni ezen a kurzuson a Cambricon eszközmodell vagy használati eset alapján, kérjük, lépjen kapcsolatba velünk a megbeszélés érdekében.

Ez az oktató által vezetett, élő képzés Magyarország (online vagy helyszíni) kezdő szintű rendszergazdáknak és IT szakembereknek szól, akik szeretnék telepíteni, konfigurálni, kezelni és hibaelhárítani a CUDA környezeteket.

A képzés végén a résztvevők képesek lesznek:

• Megérteni a CUDA architektúráját, összetevőit és képességeit.
• Telepíteni és konfigurálni CUDA környezeteket.
• Kezelni és optimalizálni a CUDA erőforrásokat.
• Hibakeresést végezni és gyakori CUDA problémákat elhárítani.

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

A képzés végére a résztvevők képesek lesznek:

• Fejlesztői környezet beállítása, amely magában foglalja az OpenCL SDK-t, egy OpenCL-t támogató eszközt, és a Visual Studio Code-ot.
• Alapvető OpenCL program létrehozása, amely vektorösszeadást hajt végre az eszközön, és lekéri az eredményeket az eszköz memóriájából.
• OpenCL API használata eszköz információk lekérdezésére, kontextusok, parancssorok, pufferek, magok és események létrehozására.
• OpenCL C nyelv használata magok írására, amelyek az eszközön futnak és az adatokat kezelik.
• OpenCL beépített függvények, kiterjesztések és könyvtárak használata gyakori feladatok és műveletek végrehajtására.
• OpenCL hoszt és eszköz memóriamodelljeinek használata adatátvitel és memóriahozzáférés optimalizálására.
• OpenCL végrehajtási modell használata a munkaelemek, munkacsoportok és ND-tartományok szabályozására.
• OpenCL programok hibakeresése és tesztelése olyan eszközökkel, mint a CodeXL, Intel VTune és NVIDIA Nsight.
• OpenCL programok optimalizálása olyan technikákkal, mint a vektorizáció, ciklusbontás, helyi memória és profilozás.

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

A képzés végére a résztvevők képesek lesznek:

• A Numba fordító használatával felgyorsítani a Python alkalmazásokat NVIDIA GPU-kon.
• Egyéni CUDA magok létrehozása, fordítása és indítása.
• GPU memória kezelése.
• CPU alapú alkalmazás átalakítása GPU-gyorsított alkalmazássá.

Ez az oktató által vezetett, élő képzés Magyarország bemutatja, hogyan programozhatunk GPU-kat párhuzamos számításokhoz, hogyan használhatunk különböző platformokat, hogyan dolgozhatunk a CUDA platformmal és annak funkcióival, valamint hogyan hajthatunk végre különböző optimalizálási technikákat CUDA segítségével. Az alkalmazások közé tartozik a mélytanulás, elemzés, képfeldolgozás és mérnöki alkalmazások.