Свържете се с нас

Съдържание и теми, включени в курса

Въведение

  • Какво е CUDA?
  • CUDA срещу OpenCL срещу SYCL
  • Преглед на характеристиките и архитектурата на CUDA
  • Настройка на средата за разработка

Първи стъпки

  • Създаване на нов CUDA проект с помощта на Visual Studio Code
  • Проучване на структурата и файловете на проекта
  • Компилиране и изпълнение на програмата
  • Показване на изхода чрез printf и fprintf

CUDA API

  • Разбиране на ролята на CUDA API в хост програмата
  • Използване на CUDA API за запитване на информация и възможности на устройството
  • Използване на CUDA API за заделяне и освобождаване на памет на устройството
  • Използване на CUDA API за копиране на данни между хоста и устройството
  • Използване на CUDA API за стартиране на ядра и синхронизиране на нишките
  • Използване на CUDA API за обработка на грешки и изключения

CUDA C/C++

  • Разбиране на ролята на CUDA C/C++ в програмата за устройството
  • Използване на CUDA C/C++ за писане на ядра, които се изпълняват на графичния процесор и манипулират данни
  • Използване на типове данни, квалификатори, оператори и изрази в CUDA C/C++
  • Използване на вградени функции на CUDA C/C++, като математически, атомарни, warp и др.
  • Използване на вградени променливи на CUDA C/C++, като threadIdx, blockIdx, blockDim и др.
  • Използване на CUDA C/C++ библиотеки, като cuBLAS, cuFFT, cuRAND и др.

Модел на паметта на CUDA

  • Разбиране на разликата между моделите на паметта на хоста и устройството
  • Използване на пространства на паметта на CUDA, като глобална, споделена, константна и локална
  • Използване на обекти на паметта на CUDA, като указатели, масиви, текстури и повърхнини
  • Използване на режими на достъп до паметта на CUDA, като само за четене, само за запис, четене и запис и др.
  • Използване на модела за консистентност на паметта и механизмите за синхронизация на CUDA

Модел на изпълнение на CUDA

  • Разбиране на разликата между моделите на изпълнение на хоста и устройството
  • Използване на нишки, блокове и решетки на CUDA за дефиниране на паралелността
  • Използване на функции за нишки на CUDA, като threadIdx, blockIdx, blockDim и др.
  • Използване на функции за блокове на CUDA, като __syncthreads, __threadfence_block и др.
  • Използване на функции за решетки на CUDA, като gridDim, gridSync, кооперативни групи и др.

Дебъгване

  • Разбиране на често срещаните грешки в CUDA програмите
  • Използване на дебъгера на Visual Studio Code за инспекция на променливи, точки на прекъсване, стек на извикванията и др.
  • Използване на CUDA-GDB за дебъгване на CUDA програми под Linux
  • Използване на CUDA-MEMCHECK за откриване на грешки в паметта и изтичане на памет
  • Използване на NVIDIA Nsight за дебъгване и анализ на CUDA програми под Windows

Оптимизация

  • Разбиране на факторите, които влияят на производителността на CUDA програмите
  • Използване на техники за обединяване (coalescing) на CUDA за подобряване на пропускателната способност на паметта
  • Използване на техники за кеширане и предварително извличане (prefetching) на CUDA за намаляване на латентността на паметта
  • Използване на техники със споделена и локална памет на CUDA за оптимизиране на достъпите до паметта и честотната лента
  • Използване на профилиране и инструменти за профилиране на CUDA за измерване и подобряване на времето за изпълнение и използването на ресурси

Обобщение и следващи стъпки

Изисквания

  • Разбиране на езика C/C++ и концепциите за паралелно програмиране
  • Основни познания за компютърна архитектура и йерархия на паметта
  • Опит с инструменти за команден ред и редактори на код

Аудитория

  • Разработчици, които желаят да се научат как да използват CUDA за програмиране на графични процесори на NVIDIA и да оползотворят тяхната паралелна мощ
  • Разработчици, които искат да пишат високопроизводителен и мащабируем код, който може да работи на различни CUDA устройства
  • Програмисти, които искат да изследват ниското ниво на GPU програмиране и да оптимизират производителността на кода си
 28 Часа

Брой участници


Цена за участник

Предстоящи Курсове

Свързани Kатегории