GPU обучение в България

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.

Huawei’s AI stack — from the low-level CANN SDK to the high-level MindSpore framework — offers a tightly integrated AI development and deployment environment optimized for Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at beginner-level to intermediate-level technical professionals who wish to understand how the CANN and MindSpore components work together to support AI lifecycle management and infrastructure decisions.

By the end of this training, participants will be able to:

• Understand the layered architecture of Huawei’s AI compute stack.
• Identify how CANN supports model optimization and hardware-level deployment.
• Evaluate the MindSpore framework and toolchain in relation to industry alternatives.
• Position Huawei's AI stack within enterprise or cloud/on-prem environments.

Format of the Course

• Interactive lecture and discussion.
• Live system demos and case-based walkthroughs.
• Optional guided labs on model flow from MindSpore to CANN.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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.

The CANN SDK (Compute Architecture for Neural Networks) provides powerful deployment and optimization tools for real-time AI applications in computer vision and NLP, especially on Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI practitioners who wish to build, deploy, and optimize vision and language models using the CANN SDK for production use cases.

By the end of this training, participants will be able to:

• Deploy and optimize CV and NLP models using CANN and AscendCL.
• Use CANN tools to convert models and integrate them into live pipelines.
• Optimize inference performance for tasks like detection, classification, and sentiment analysis.
• Build real-time CV/NLP pipelines for edge or cloud-based deployment scenarios.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab with model deployment and performance profiling.
• Live pipeline design using real CV and NLP use cases.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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.

CANN TIK (Tensor Instruction Kernel) and Apache TVM enable advanced optimization and customization of AI model operators for Huawei Ascend hardware.

This instructor-led, live training (online or onsite) is aimed at advanced-level system developers who wish to build, deploy, and tune custom operators for AI models using CANN’s TIK programming model and TVM compiler integration.

By the end of this training, participants will be able to:

• Write and test custom AI operators using the TIK DSL for Ascend processors.
• Integrate custom ops into the CANN runtime and execution graph.
• Use TVM for operator scheduling, auto-tuning, and benchmarking.
• Debug and optimize instruction-level performance for custom computation patterns.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on coding of operators using TIK and TVM pipelines.
• Testing and tuning on Ascend hardware or simulators.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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.

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.

Huawei's Ascend CANN toolkit enables powerful AI inference on edge devices such as the Ascend 310. CANN provides essential tools for compiling, optimizing, and deploying models where compute and memory are constrained.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and integrators who wish to deploy and optimize models on Ascend edge devices using the CANN toolchain.

By the end of this training, participants will be able to:

• Prepare and convert AI models for Ascend 310 using CANN tools.
• Build lightweight inference pipelines using MindSpore Lite and AscendCL.
• Optimize model performance for limited compute and memory environments.
• Deploy and monitor AI applications in real-world edge use cases.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work with edge-specific models and scenarios.
• Live deployment examples on virtual or physical edge hardware.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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.

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.

CANN (Compute Architecture for Neural Networks) is Huawei’s AI computing toolkit used to compile, optimize, and deploy AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at beginner-level AI developers who wish to understand how CANN fits into the model lifecycle from training to deployment, and how it works with frameworks like MindSpore, TensorFlow, and PyTorch.

By the end of this training, participants will be able to:

• Understand the purpose and architecture of the CANN toolkit.
• Set up a development environment with CANN and MindSpore.
• Convert and deploy a simple AI model to Ascend hardware.
• Gain foundational knowledge for future CANN optimization or integration projects.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with simple model deployment.
• Step-by-step walkthrough of the CANN toolchain and integration points.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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.

CANN SDK (Compute Architecture for Neural Networks) is Huawei’s AI compute foundation that allows developers to fine-tune and optimize the performance of deployed neural networks on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at advanced-level AI developers and system engineers who wish to optimize inference performance using CANN’s advanced toolset, including the Graph Engine, TIK, and custom operator development.

By the end of this training, participants will be able to:

• Understand CANN's runtime architecture and performance lifecycle.
• Use profiling tools and Graph Engine for performance analysis and optimization.
• Create and optimize custom operators using TIK and TVM.
• Resolve memory bottlenecks and improve model throughput.

Format of the Course

• Interactive lecture and discussion.
• Hands-on labs with real-time profiling and operator tuning.
• Optimization exercises using edge-case deployment examples.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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.

CANN (Compute Architecture for Neural Networks) is Huawei’s AI compute stack for deploying and optimizing AI models on Ascend AI processors.

This instructor-led, live training (online or onsite) is aimed at intermediate-level AI developers and engineers who wish to deploy trained AI models efficiently to Huawei Ascend hardware using the CANN toolkit and tools such as MindSpore, TensorFlow, or PyTorch.

By the end of this training, participants will be able to:

• Understand the CANN architecture and its role in the AI deployment pipeline.
• Convert and adapt models from popular frameworks to Ascend-compatible formats.
• Use tools like ATC, OM model conversion, and MindSpore for edge and cloud inference.
• Diagnose deployment issues and optimize performance on Ascend hardware.

Format of the Course

• Interactive lecture and demonstration.
• Hands-on lab work using CANN tools and Ascend simulators or devices.
• Practical deployment scenarios based on real-world AI models.

Course Customization Options

• To request a customized training for this course, please contact us to arrange.

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 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 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.

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.