Курс за обучение по NVIDIA GPU Programming - Extended

Huawei Ascend е семейство AI процесори, проектирани за високопроизводително извличане и обучение.Това инструкторско, живо обучение (онлайн или на място) е предназначено за средно ниво AI инженери и данни учени, които искат да развиват и оптимизират модели на нейронни мрежи, използвайки платформата Ascend на Huawei и инструменталния комплект CANN.До края на това обучение участниците ще могат да:

• Настроят и конфигурират средата за разработка на CANN.
• Разработват AI приложения, използвайки MindSpore и CloudMatrix работни процеси.
• Оптимизират производителността на Ascend NPU, използвайки персонализирани оператори и тилинг.
• Разпределят модели в периферни или облачни среди.

Формат на курса

• Интерактивна лекция и дискусия.
• Практическо използване на Huawei Ascend и инструменталния комплект CANN в примерни приложения.
• Упътвания за упражнения, фокусирани върху изграждането, обучението и разпределението на модели.

Опции за персонализиране на курса

• За да поставите запрос за персонализирано обучение за този курс, базиран на вашата инфраструктура или данни, моля свържете се с нас за уредение.

КлудMatrix е обединящата платформа на Huawei за разработка и развертане на AI, проектирана да поддържа масштабируеми, производствени инференс пиплайни.Това ръководено от инструктор, живо обучение (онлайн или на място) е предназначено за начинаещи до средно-опитни AI професионалисти, които искат да развертат и мониторят AI модели, използвайки платформата КлудMatrix с интеграция на CANN и MindSpore.Към края на това обучение участниците ще могат да:

• Използват КлудMatrix за пакетиране, развертане и предоставяне на модели.
• Конвертират и оптимизират модели за чипсетове Ascend.
• Настрояват пиплайни за задачи с инференс в реално време и в пакети.
• Мониторират развертане и настройват производителност в производствени условия.

Формат на курса

• Интерактивни лекции и дискусии.
• Практическо използване на КлудMatrix с реални сценарии за развертане.
• Упътващи упражнения, фокусирани върху конвертиране, оптимизация и масштабируемост.

Опции за персонализация на курса

• За да поискате персонализирано обучение за този курс, базирано на вашата AI инфраструктура или облачна среда, моля свържете се с нас, за да организираме.

Biren AI Accelerators са високо производителни GPUs, проектирани за работа с AI и HPC, с поддръжка за обучение и извличане на информация в голям мащаб.Този курс с инструктор (онлайн или на място) е предназначен за разработчици с средно до напреднало ниво, които искат да програмират и оптимизират приложения, използвайки собствения GPU стек на Biren, с практическо сравнение с CUDA-средата.До края на този курс участниците ще могат да:* Разберат архитектурата и йерархията на паметта на Biren GPU.* Настроят разработвателската среда и използват модела за програмиране на Biren.* Преведат и оптимизират код в стила на CUDA за платформи на Biren.* Прилагат техники за оптимизация на производителността и отстраняване на грешки.Формат на курса* Интерактивни лекции и дискусии.* Практическо използване на Biren SDK в примерни GPU натоварвания.* Упражнения, ръководени от инструктора, със фокус върху прехвърлянето и оптимизацията на производителността.Опции за персонифициране на курса* За да заподелите персонализиран обучение за този курс, според нуждите на вашата приложна стека или интеграция, моля, свържете се с нас, за да уредите.GPU Programming на Biren AI AcceleratorsВъведение в архитектурата на Biren GPU* Обзор на Biren и приложения* Хардуерен дизайн: ядра, памет, компютърни кластери* Сравнение с NVIDIA и AMD GPUsНастройка на средата за разработка на Biren Programming* Инсталиране на Biren SDK и runtime* Разбиране на инструменталната верига и модел на компилатора* Основна структура на проекта и процес на сглобяванеGPU Programming с Biren стек* Модели на нишки и блокове* Управление на паметта и прехвърляне на данни* Разработка и шаблони за стартиране на ядраПрехвърляне от CUDA към Biren* Техники за превод на CUDA код* Общи карти на API и адаптации* Лаборатории и практика за превод на кодОтстраняване на грешки и профилиране* Използване на отстранявача и профилиращата система на Biren* Идентифициране на флашките места* Патрони на достъп до паметта и оптимизацияТехники за оптимизация* Планиране на нишки и пиплайниране на инструкции* Разглеждане на цикли и използване на обща памет* Напреднала настройка на ядра за пробивна способностПримерен случай и примерни приложения* Обучение на модел с ускорителите на Biren* Прехвърляне и профилиране на модел за виждане или NLP* Сравнение на производителността спрямо CUDA/NVIDIAРезюме и следващи стъпкиBiren AI Accelerators са високо производителни GPUs, проектирани за работа с AI и HPC, с поддръжка за обучение и извличане на информация в голям мащаб.Този курс с инструктор (онлайн или на място) е предназначен за разработчици с средно до напреднало ниво, които искат да програмират и оптимизират приложения, използвайки собствения GPU стек на Biren, с практическо сравнение с CUDA-средата.До края на този курс участниците ще могат да:* Разберат архитектурата и йерархията на паметта на Biren GPU.* Настроят разработвателската среда и използват модела за програмиране на Biren.* Преведат и оптимизират код в стила на CUDA за платформи на Biren.* Прилагат техники за оптимизация на производителността и отстраняване на грешки.Формат на курса* Интерактивни лекции и дискусии.* Практическо използване на Biren SDK в примерни GPU натоварвания.* Упражнения, ръководени от инструктора, със фокус върху прехвърлянето и оптимизацията на производителността.Опции за персонифициране на курса* За да заподелите персонализиран обучение за този курс, според нуждите на вашата приложна стека или интеграция, моля, свържете се с нас, за да уредите.* Разбиране на архитектурата GPU и паралелното обработване* Опит с CUDA, OpenCL, или подобни GPU среди за програмиране* Знание на рамки за дълбоко обучение, като PyTorch или TensorFlowЦелова публика* Разработчици на HPC* Инженери на AI инфраструктура* Специалисти по оптимизация на производителността

Cambricon MLUs (Machine Learning устройства) са специализирани AI чипове, оптимизирани за извличане на заключения и обучение в сценарии на ръб и в центъра на данните.

Този курс, воден от инструктор (онлайн или на място), е предназначен за разработчици на среден ниво, които искат да създават и разпространяват AI модели, използвайки рамката BANGPy и SDK Neuware върху хардуера на Cambricon MLU.

До края на този курс участниците ще могат да:

• Настрояват и конфигурират разработките на BANGPy и Neuware.
• Разработват и оптимизират модели за Cambricon MLUs, базирани на Python и C++.
• Разпространяват модели към устройства на ръб и в центъра на данните, работещи с Neuware runtime.
• Интегрират ML процеси с ускоряващи функции специфични за MLU.

Формат на курса

• Интерактивни лекции и дискусии.
• Практическо използване на BANGPy и Neuware за разработка и разпространение.
• Проводени упражнения, насочени към оптимизация, интеграция и тестване.

Опции за персонализация на курса

• За да попитате за персонализиран обучение за този курс, базиран на вашия модел на устройство или сценарий на използване на Cambricon, моля, свържете се с нас, за да договорим.

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.

Китайски GPU архитектури като Huawei Ascend, Biren и Cambricon MLU предлагат алтернативи на CUDA, насочени към местните пазари на изкуствен интелект и HPC.

Този обучение с инструктор (онлайн или на място) е насочено към напреднали GPU програмисти и специалисти по инфраструктура, които искат да мигрират и оптимизират съществуващи CUDA приложения за разгръзване на китайски хардуерни платформи.

Към края на това обучение участниците ще бъдат способни да:

• Оценяват съвместимостта на съществуващите CUDA натоварвания с китайски алтернативи на чиповете.
• Преместят CUDA бази на кодове в средите Huawei CANN, Biren SDK и Cambricon BANGPy.
• Сравняват производителността и идентифицират точки за оптимизация между платформите.
• Решават практичните проблеми при поддръжката и разгръзването на многоархитектурни решения.

Формат на курса

• Интерактивни лекции и дискусии.
• Практическа работа по превод на код и сравнение на производителността.
• Упътващи упражнения, фокусирани върху стратегии за адаптация на много-GPU решения.

Опции за персонализация на курса

• За запитане на персонализиран обучаващ курс за този курс, основан на вашата платформа или проект с CUDA, моля свържете се с нас за уреждане.

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 OpenCL за програмиране на хетерогенни устройства и да използват техния паралелизъм.

До края на това обучение участниците ще могат:

• Настройте среда за разработка, която включва OpenCL SDK, устройство, което поддържа OpenCL и Visual Studio код.
• Създайте основна OpenCL програма, която извършва векторно добавяне на устройството и извлича резултатите от паметта на устройството.
• Използвайте OpenCL API за запитване към информация за устройството, създаване на контексти, опашки с команди, буфери, ядра и събития.
• Използвайте OpenCL език C, за да напишете ядра, които се изпълняват на устройството и манипулират данни.
• Използвайте OpenCL вградени функции, разширения и библиотеки за изпълнение на общи задачи и операции.
• Използвайте OpenCL модели памет на хост и устройство, за да оптимизирате трансфера на данни и достъпа до паметта.
• Използвайте OpenCL модел за изпълнение, за да контролирате работните елементи, работните групи и ND-обхватите.
• Отстранявайте грешки и тествайте OpenCL програми с помощта на инструменти като CodeXL, Intel VTune и NVIDIA Nsight.
• Оптимизирайте OpenCL програми, като използвате техники като векторизация, разгръщане на цикъл, локална памет 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 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.

Ascend, Biren и Cambricon са водят AI хардуерни платформи в Китай, всеки от които предлага уникални ускоряващи и профилиращи инструменти за AI задачи на производствен мащаб.

Това обучение с преподавател (онлайн или на място) е направено за напреднали AI инфраструктурни и производителностни инженери, които желаят да оптимизират работите за извличане на предсказания и обучение на модели по различни китайски AI чип платформи.

До края на това обучение участващите ще могат да:

• Бенчмаркват модели на платформите Ascend, Biren и Cambricon.
• Идентифицират системни бутилки и неикономичност на паметта и изчисленията.
• Прилагат оптимизации на ниво граф, ядро и оператор.
• Настройват каналите за развертяване, за да подобрят пропускателната способност и закъснението.

Формат на курса

• Интерактивна лекция и дискусия.
• Практически използване на профилиращи и оптимизиращи инструменти на всяка платформа.
• Упътващи упражнения със фокус върху практическо настройване.

Опции за персонализация на курса

• За заявка за персонализирано обучение по този курс, в зависимост от вашата среда за производителност или тип модели, моля свържете се с нас за уреждане.