GPU oktatás Budapest

Ez az oktató által vezetett, élő képzés Budapest (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.

Ez az oktató által vezetett, élő képzés Budapest-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.

Ez az oktató által vezetett, élő képzés Budapest-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.

Ez az oktató által vezetett, élő képzés Budapest-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 Budapest-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.

Ez az oktató által vezetett, élő képzés Budapest-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. 

Ez az oktató által vezetett, élő képzés Budapest (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 Budapest-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 a oktatóvezérelt, élő képzés Budapest (online vagy helyszínen) azon C++ fejlesztőknek készült, akik CUDA segítségével szeretnék gyorsítani alkalmazásaikat, hatékony GPU koreleket írni, és párhuzamos algoritmus-könyvtárakat használni tudományos számításokhoz, adatfeldolgozáshoz és gépi tanulási feladatokhoz.

Ez az oktató által vezérelt, élőképzés Budapest-ban (online vagy helyszíni) azoknak a C/C++ fejlesztőknek szól, akik CUDA segítségével szeretnék gyorsítani a számítási igényes alkalmazásaikat, beleértve az adathasznosítást, tudományos szimulációkat, gépi tanulási feladatokat és képfeldolgozási folyamatokat.

Ez a Budapest helyszínen (online vagy személyes) tartott oktatóvezetővel működő élő tréning szoftverfejlesztők, adatanalitikusok és technikai szakemberek számára készült, akik szeretnének TensorFlow 2.x-et és Keras-t használni mélytanulási modellek építéséhez, betanításához és telepítéséhez számítógépes látási, természetes nyelvfeldolgozási és multimodális alkalmazásokban.

Ez az oktató által vezetett, élő képzés Budapest 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.