План на курса

Въведение

Разбиране на основите на хетерогенната изчислителна методология

Защо паралелно изчисление? Разбиране на необходимостта от паралелни изчисления

Многоядрени процесори – архитектура и дизайн

Въведение в нишките, основите на нишките и основните понятия на паралела Programming

Разбиране на основите на GPU процесите за софтуерна оптимизация

OpenMP - стандарт за базиран на директиви паралел Programming

Практика / Демонстрация на различни програми на многоядрени машини

Въведение в GPU Компютинг

GPUs за паралелни изчисления

GPU Programming Модел

Практика / Демонстрация на различни програми на GPU

SDK, набор от инструменти и инсталиране на среда за GPU

Работа с различни библиотеки

Демонстрация на GPU и инструменти с примерни програми и OpenACC

Разбиране на модела CUDA Programming.

Изучаване на CUDA архитектурата

Проучване и настройка на среди за разработка CUDA

Работа с CUDA Runtime API

Разбиране на модела на паметта CUDA

Проучване на допълнителни функции на CUDA API

AccessЕфективно използване на глобална памет в CUDA: Глобална оптимизация на паметта

Оптимизиране на трансфера на данни в CUDA с помощта на CUDA потоци

Използване на споделена памет в CUDA

Разбиране и използване на атомарни операции и инструкции в CUDA

Казус от практиката: Основна цифрова обработка на изображения с CUDA

Работа с Multi-GPU Programming

Разширено хардуерно профилиране и семплиране на NVIDIA / CUDA

Използване на CUDA Dynamic Parallelism API за динамично стартиране на ядрото

Обобщение и заключение

Изисквания

  • C Programming
  • Linux GCC
 21 Часа

Брой участници


Цена за участник

Oтзиви от потребители (1)

Upcoming Courses

Свързани Kатегории