Курс за обучение по GPU Programming with OpenCL

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват ROCm и HIP за програмиране на AMD GPU и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва ROCm платформа, AMD GPU и Visual Studio код.
• Създайте базова ROCm програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
• Използвайте ROCm API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте HIP езика, за да пишете ядра, които се изпълняват на GPU и манипулират данни.
• Използвайте вградените функции, променливи и библиотеки на HIP за изпълнение на общи задачи и операции.
• Използвайте ROCm и HIP пространства на паметта, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
• Използвайте ROCm и HIP модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
• Отстранявайте грешки и тествайте ROCm и HIP програми с помощта на инструменти като ROCm Debugger и ROCm Profiler.
• Оптимизирайте ROCm и HIP програмите, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към системни администратори на ниво начинаещи и ИТ специалисти, които желаят да инсталират, конфигурират, управляват и отстраняват проблеми в CUDA среди.

До края на това обучение участниците ще могат:

• Разберете архитектурата, компонентите и възможностите на CUDA.
• Инсталирайте и конфигурирайте CUDA среди.
• Управлявайте и оптимизирайте ресурсите на CUDA.
• Отстраняване на грешки и отстраняване на често срещани проблеми с CUDA.

Това инструкторско руководимо живо обучение в България (онлайн или наместно) е насочено към среднокоlescени разработчици, които искат да използват CUDA за построяване на Python приложения, работещи паралелно върху NVIDIA GPU.

До края на това обучение участниците ще могат:

• Да използват компилатора Numba за ускоряване на Python приложения, работещи на NVIDIA GPU.
• Да създават, компилират и стартират персонализирани CUDA ядра.
• Да управляват паметта на GPU.
• Да конвертират CPU-базирано приложение в приложение, ускорено от GPU.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да научат основите на GPU програмирането и основните рамки и инструменти за разработване на GPU приложения .

• До края на това обучение участниците ще могат:
  Разберете разликата между CPU и GPU изчисленията и предимствата и предизвикателствата на GPU програмирането.
• Изберете правилната рамка и инструмент за тяхното GPU приложение.
• Създайте основна GPU програма, която извършва добавяне на вектори, като използва една или повече от рамките и инструментите.
• Използвайте съответните API, езици и библиотеки, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте съответните пространства на паметта, като глобална, локална, постоянна и частна, за да оптимизирате прехвърлянето на данни и достъпа до паметта.
• Използвайте съответните модели за изпълнение, като работни елементи, работни групи, нишки, блокове и мрежи, за да контролирате паралелизма.
• Отстранявайте грешки и тествайте GPU програми с помощта на инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизирайте GPU програми, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват CUDA за програмиране на NVIDIA GPU и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва CUDA Toolkit, код на NVIDIA GPU и Visual Studio.
• Създайте основна CUDA програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
• Използвайте CUDA API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте езика CUDA C/C++, за да напишете ядра, които се изпълняват на GPU и да манипулират данни.
• Използвайте вградени функции, променливи и библиотеки на CUDA за изпълнение на общи задачи и операции.
• Използвайте CUDA пространства на паметта, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
• Използвайте модел за изпълнение на CUDA, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
• Отстранявайте грешки и тествайте CUDA програми с помощта на инструменти като CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизирайте програмите CUDA, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

97% удовлетвореност на клиентите.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват OpenACC за програмиране на разнородни устройства и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва OpenACC SDK, устройство, което поддържа OpenACC и Visual Studio код.
• Създайте основна OpenACC програма, която извършва векторно добавяне на устройството и извлича резултатите от паметта на устройството.
• Използвайте OpenACC директиви и клаузи, за да коментирате кода и да посочите паралелните региони, движението на данни и опциите за оптимизация.
• Използвайте API на OpenACC, за да заявите информация за устройството, да зададете номер на устройството, да обработвате грешки и да синхронизирате събития.
• Използвайте OpenACC библиотеки и функции за оперативна съвместимост, за да интегрирате OpenACC с други модели за програмиране, като CUDA, OpenMP и MPI.
• Използвайте инструментите на OpenACC, за да профилирате и отстранявате грешки в програмите на OpenACC и да идентифицирате тесните места и възможности за производителност.
• Оптимизирайте програмите OpenACC, като използвате техники като локализиране на данни, сливане на цикъл, сливане на ядрото и автоматична настройка.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да използват различни рамки за GPU програмиране и да сравняват техните характеристики, производителност и съвместимост.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва OpenCL SDK, CUDA Toolkit, ROCm платформа, устройство, което поддържа OpenCL, CUDA или ROCm и Visual Studio код.
• Създайте основна GPU програма, която извършва добавяне на вектори, използвайки OpenCL, CUDA и ROCm, и сравнете синтаксиса, структурата и изпълнението на всяка рамка.
• Използвайте съответните API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте съответните езици, за да напишете ядра, които се изпълняват на устройството и манипулират данни.
• Използвайте съответните вградени функции, променливи и библиотеки за изпълнение на общи задачи и операции.
• Използвайте съответните пространства на паметта, като глобална, локална, постоянна и частна, за да оптимизирате прехвърлянето на данни и достъпа до паметта.
• Използвайте съответните модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
• Отстранявайте грешки и тествайте GPU програми с помощта на инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизирайте GPU програми, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.

Този воден от инструктор курс на обучение на живо в България обхваща как да програмирате GPUs за паралелни изчисления, как да използвате различни платформи, как да работите с платформата CUDA и нейните функции и как да изпълнявате различни техники за оптимизация с помощта на CUDA . Някои от приложенията включват дълбоко обучение, анализи, обработка на изображения и инженерни приложения.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към разработчици от начинаещи до средно ниво, които желаят да инсталират и използват ROCm на Windows, за да програмират AMD GPU и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва ROCm платформа, AMD GPU и Visual Studio код на Windows.
• Създайте базова ROCm програма, която извършва добавяне на вектор върху GPU и извлича резултатите от паметта GPU.
• Използвайте ROCm API, за да правите заявки за информация за устройството, да разпределяте и освобождавате памет на устройството, да копирате данни между хост и устройство, да стартирате ядра и да синхронизирате нишки.
• Използвайте HIP езика, за да пишете ядра, които се изпълняват на GPU и манипулират данни.
• Използвайте вградените функции, променливи и библиотеки на HIP за изпълнение на общи задачи и операции.
• Използвайте ROCm и HIP пространства на паметта, като глобални, споделени, постоянни и локални, за да оптимизирате трансфера на данни и достъпа до паметта.
• Използвайте ROCm и HIP модели за изпълнение, за да контролирате нишките, блоковете и решетките, които определят паралелизма.
• Отстранявайте грешки и тествайте ROCm и HIP програми с помощта на инструменти като ROCm Debugger и ROCm Profiler.
• Оптимизирайте ROCm и HIP програмите, като използвате техники като обединяване, кеширане, предварително извличане и профилиране.