GPU обучение в София

Huawei Ascend е серия от AI процесори, проектирани за високо производително извличане на заключения и обучение.

Това обучение с инструктор (онлайн или на място) е предназначено за AI инженери и данни учени с интермедиерен ниво, които желаят да разработват и оптимизират модели на невронални мрежи, използвайки платформата Ascend на Huawei и CANN инструменталния комплект.

Към края на това обучение участниците ще могат да:

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

Формат на курса

• Интерактивни лекции и дискусии.
• Практическо използване на Huawei Ascend и CANN инструменталния комплект в примерни приложения.
• Насочени упражнения, фокусирани върху изграждане, обучение и разпросъстване на модели.

Опции за персонализиране на курса

• За заповяване на персонализирано обучение за този курс, съобразено с вашата инфраструктура или данни, моля свържете се с нас, за да уредим.

Стъка за изкуствен интелект (ИИ) на Huawei — от ниско ниво CANN SDK до високо ниво MindSpore рамка — предлага интегрирана среда за разработка и развертане на ИИ, оптимизирана за хардвера Ascend.

Това обучение с инструктор (онлайн или на място) е направено за технически професионалисти с начален до среден ниво, които искат да разберат, как компонентите CANN и MindSpore работят заедно за подкрепа на управлението на цикъл на живот на ИИ и решения за инфраструктура.

До края на това обучение участниците ще могат да:

• Разберат слоевата архитектура на стъка за изчислителни ресурси на ИИ на Huawei.
• Определят как CANN подкрепя оптимизирането на модели и развертането на ниво хардвер.
• Оценят рамката и инструменталния комплект на MindSpore в сравнение с алтернативи в индустрията.
• Определят стъка за ИИ на Huawei в корпоративни или облачни/местни среди.

Формат на Курса

• Интерактивна лекция и дискусия.
• Живи демонстрации на системи и примерни разглеждания.
• Опционални ръководени лаборатории за поток на модели от MindSpore до CANN.

Опции за Персонализиране на Курса

• За да попитате персонализирано обучение за този курс, моля свържете се с нас, за да уредите.

Това водено от инструктор обучение на живо в София (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.

CANN SDK (Compute Architecture for Neural Networks) предоставя мощни инструменти за развой и оптимизация на инструментите за реално време за AI приложения в областта на компютърното зрение и обработка на естествени езици, особено на Huawei Ascend хардуер.

Това курсово обучение с инструктор (онлайн или на място) е предназначено за практикуващи AI специалисти на средно ниво, които искат да създават, развят и оптимизират модели за компютърно зрение и обработка на естествени езици с использоване на CANN SDK за производствени сценарии.

До края на този курс участниците ще могат да:

• Развят и оптимизират модели за компютърно зрение и обработка на естествени езици с CANN и AscendCL.
• Използват инструментите на CANN за превръщане на модели и интегриране в активни пиплайни.
• Оптимизират производителността на инференс за задачи като детекция, класификация и анализ на настроения.
• Създават реално време за компютърно зрение/обработка на естествени езици за развой на сценарии за работа на края или в облака.

Формат на курса

• Интерактивна лекция и демонстрация.
• Практически лабораториум с развой на модели и профилиране на производителността.
• Дизайн на активни пиплайни с истински сценарии за компютърно зрение и обработка на естествени езици.

Опции за персонализация на курса

• За по-специално обучение за този курс, моля свържете се с нас за уреждане.

Това водено от инструктор обучение на живо в София (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) и Apache TVM позволят на напреднала оптимизация и персонализиране на оператори за AI модели за Huawei Ascend хардуер.

Това обучение с инструктор (онлайн или на място) е предназначено за напреднали системни разработчици, които искат да създават, разпространяват и настройват персонализирани оператори за AI модели, използвайки моделът за програмиране TIK на CANN и интеграцията с компилатора TVM.

До края на това обучение участниците ще могат да:

• Пишат и тестват персонализирани AI оператори с TIK DSL за Ascend процесори.
• Интегрират персонализирани операции в CANN runtime и график на изпълнение.
• Използват TVM за планиране на оператори, автоматично настройване и тестиране на производителност.
• Отстраняват грешки и оптимизират изпълнението на ниво инструкция за персонализирани изчисления.

Формат на Курса

• Интерактивна лекция и демонстрация.
• Практически програмиране на оператори с TIK и TVM пайплайнове.
• Тестване и настройване на Ascend хардуер или симулатори.

Опции за персонализация на курса

• За настаняване на персонализирано обучение за този курс, моля свържете се с нас, за да уредите.

Този курс с инструктор, провеждан онлайн или на място, е предназначен за разработчици с начален до среден ниво, които искат да използват различни фреймворкове за GPU програмиране и да сравняват техните функции, производителност и съвместимост.

По крайна сметка, участниците ще могат да:

• Настройте разработвателска среда, включваща OpenCL SDK, CUDA Toolkit, ROCm Platform, устройство, което поддържа OpenCL, CUDA или ROCm, и Visual Studio Code.
• Създайте базов GPU програмен код, който изпълнява векторно събиране с OpenCL, CUDA и ROCm, и сравнявайте синтаксиса, структурата и изпълнението на всеки фреймворк.
• Използвайте съответните API за извличане на информация за устройството, заделяне и освобождаване на памет на устройството, копиране на данни между хоста и устройството, пускане на ядра и синхронизация на нишки.
• Използвайте съответните езици за писане на 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 глобално, локално, константно и приватно, за оптимизиране на прехвърлянето и достъпа до паметта.
• Използвайте съответните модели на изпълнение за контрол на нишките, блоковете и мрежите, които определят паралелността.
• Отстранявайте грешки и тествайте GPU програмен код с инструменти като CodeXL, CUDA-GDB, CUDA-MEMCHECK и NVIDIA Nsight.
• Оптимизирайте GPU програмен код с техники като групиране, кеширане, предварително заредяване и профилиране.

CloudMatrix е платформа на Huawei за еднообразно развитие и развертяване на AI, проектирана да поддържа мащабируеми, производствени инференс пиплайни.

Този курс с инструктор (онлайн или на място) е насочен към професионалисти в областта на AI от начален до среден ниво, които искат да развернат и да мониторят AI модели, използвайки платформата CloudMatrix с интеграция на CANN и MindSpore.

След завършване на този курс участниците ще могат да:

• Използват CloudMatrix за пакетиране, развертяване и сервиране на модели.
• Конвертиране и оптимизиране на модели за чипсетите Ascend.
• Настройване на пиплайни за задачи на реално време и пакетно инференс.
• Мониторинг на развертвания и настройка на производителността в производствени условия.

Формат на курса

• Интерактивна лекция и дискусия.
• Практически използване на CloudMatrix с реални сценарии за развертяване.
• Насочени упражнения, фокусирани върху конвертиране, оптимизиране и масштабиране.

Опции за персонализиране на курса

• За да попитате персонализиран обучение за този курс, спрямо вашата AI инфраструктура или облачна среда, моля свържете се с нас за уточнение.

Инструментите на Huawei's Ascend CANN позволяват мощна AI инференция на уредове с периферно обработване като Ascend 310. CANN предоставя основни инструменти за компилиране, оптимизиране и развертане на модели, където изискванията към изчислителните мощности и паметта са ограничени.

Този курс с инструктор (онлайн или на място) е предназначен за AI разработчици и интегратори на среден ниво, които желаят да развернат и оптимизират модели на уредове с периферно обработване от Ascend, използвайки инструментите на CANN.

До края на този курс участниците ще бъдат способни да:

• Подготвят и превърнат AI модели за Ascend 310, използвайки инструментите на CANN.
• Създават леки инференционни пайплайни с MindSpore Lite и AscendCL.
• Оптимизират производителността на моделите за ограничени изчислителни и паметни среди.
• Развертят и мониторират AI приложения в реални сценарии с периферно обработване.

Формат на курса

• Интерактивни лекции и демонстрации.
• Практически лабораторни упражнения с модели и сценарии специфични за периферните устройства.
• Примери за живо развертане на виртуални или физически периферни уредове.

Опции за персонификация на курса

• За поръчка на персонифициран курс за този обучаващ курс, моля свържете се с нас, за да уредите.

Това водено от инструктор обучение на живо в София (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 София (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) е инструмент за изкуствен интелигентен компютърен кит на Huawei, използван за компилиране, оптимизация и развертяване на модели за изкуствен интелигентен интелигентен процес на процесори за изкуствен интелигентен интелигентен процес Ascend.

Това обучение с инструктор (онлайн или на място) е насочено към начинаещи разработчици на изкуствен интелигентен интелигентен процес, които искат да разберат как CANN се интегрира в живота на модела от обучение до развертяване, и как работи с рамки като MindSpore, TensorFlow и PyTorch.

До края на това обучение участниците ще могат да:

• Разберат целят и архитектурата на инструмента CANN.
• Настроят разработвателска среда с CANN и MindSpore.
• Преобразуват и развертяват прост модел за изкуствен интелигентен интелигентен процес на Ascend хардуер.
• Придобият основни знания за бъдещи проекти за оптимизация или интеграция на CANN.

Формат на курса

• Интерактивно лекция и дискусия.
• Практическа работа с развертяване на прости модели.
• Постъпково ръководство за инструмента CANN и точките за интеграция.

Опции за персонализиране на курса

• За да поискате персонализирано обучение за този курс, моля свържете се с нас за уредяване.

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 (Компютърна архитектура за Neural Networks) е основата на Huawei за изкуствен интелигентен компютърен компютър, която позволява на разработчиците да подобряват и оптимизират производителността на разпръснатите нейронни мрежи на процесорите за изкуствен интелигент Ascend.

Това ръководено от инструктор обучение (онлайн или на място) е предназначено за развити разработчици на изкуствен интелигент и системни инженери, които искат да оптимизират производителността на извод, използвайки напреднатия инструментарий на CANN, включително Graph Engine, TIK и разработване на собствен оператор.

До края на това обучение участниците ще могат да:

• Разберат архитектурата за изпълнение и цикъла на производителност на CANN.
• Използват инструменти за профилиране и Graph Engine за анализ и оптимизация на производителността.
• Създават и оптимизират собствени оператори, използвайки TIK и TVM.
• Решават проблеми със запълване на паметта и подобряват пробива на модела.

Формат на курса

• Интерактивни лекции и дискусии.
• Ръчни лаборатории с реално време профилиране и настройка на оператори.
• Упражнения за оптимизация, използвайки примери за разпръснаване на крайни случаи.

Опции за персонализация на курса

• За да попитате персонализирано обучение за този курс, моля свържете се с нас, за да уредите.

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 София (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) е стъкла за изкуствен интелигент на Huawei за развертяване и оптимизация на модели на изкуствен интелигент върху процесори за изкуствен интелигент Ascend.

Този курс с инструктор, проведен на живо (онлайн или на място), е предназначен за разработчици и инженери на изкуствен интелигент с среден ниво, които искат да развернат обучавани модели на изкуствен интелигент ефективно към аппаратното оборудване Huawei Ascend, използвайки CANN инструменти и инструменти като MindSpore, TensorFlow или PyTorch.

До края на този курс участниците ще могат да:

• Разберат архитектурата на CANN и нейната роля в процеса на развертяване на изкуствен интелигент.
• Преобразуват и адаптират модели от популярни рамки към формати, съвместими с Ascend.
• Използват инструменти като ATC, OM конверсия на модели и MindSpore за извод на крайна точка на границата и в облака.
• Диагностицират проблеми при развертяване и оптимизират производителността на аппаратното оборудване на Ascend.

Формат на курса

• Интерактивна лекция и демонстрация.
• Практически упражнения с използване на CANN инструменти и симулатори или устройства на Ascend.
• Практични сценарии за развертяване, базирани на реални модели на изкуствен интелигент.

Опции за персонализация на курса

• За заявка за персонализиран обучение за този курс, моля свържете се с нас, за да уредите.

Бирен AI ускорители са високопроизводителни устройства, проектирани за AI и HPC задачи с поддръжка на обучение и извличане на данни на голяма шкала.

Този курс с инструктор (онлайн или на място) е предназначен за разработчици с среден до напреднал ниво, които искат да програмират и оптимизират приложения, използвайки собствения стек на Бирен GPU, с практични сравнения с CUDA-среди.

След края на този курс участниците ще могат да:

• Разберат архитектурата на Бирен GPU и йерархията на паметта.
• Настроят развивателната среда и използват модела на Бирен за програмиране.
• Преведат и оптимизират код по стила на CUDA за платформи на Бирен.
• Прилагат техники за настройка на производителността и отстраняване на грешки.

Формат на курса

• Интерактивна лекция и дискусия.
• Практическо използване на Biren SDK в примерни GPU задачи.
• Упражнения с ръководство, насочени към превод и оптимизация на производителността.

Опции за персонализиране на курса

• За поръчка на персонализиран курс за този курс, спрямо вашия стек на приложения или нуждите за интеграция, моля свържете се с нас, за да уредите.

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 София (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.

Този обучение с инструктор на живо (онлайн или на място) е предназначено за разработчици с начално и средно ниво, които искат да използват OpenCL за програмиране на хетерогенни устройства и да използват тяхното паралелно обработване.

Към края на това обучение участниците ще могат да:

• Настройте развиваща среда, която включва OpenCL SDK, устройство, което поддържа OpenCL, и Visual Studio Code.
• Създайте базова програма OpenCL, която извършва векториално събиране на устройството и извлича резултатите от паметта на устройството.
• Използвайте OpenCL API за извличане на информация за устройството, създаване на контексти, командни опашки, буфери, ядра и събития.
• Използвайте OpenCL език C за писане на ядра, които изпълняват на устройството и манипулират данни.
• Използвайте вградени функции, разширения и библиотеки на OpenCL за изпълнение на общи задачи и операции.
• Използвайте модели на паметта на хоста и устройството на OpenCL за оптимизация на преносът на данни и достъпът до паметта.
• Използвайте OpenCL модел на изпълнение за управление на работните елементи, групите от работни елементи и ND-обхватите.
• Отстраняване на грешки и тестване на програмите OpenCL, използвайки инструменти като CodeXL, Intel VTune и NVIDIA Nsight.
• Оптимизиране на програмите OpenCL с техники като векторизация, разгъване на цикли, локална памет и профилиране.

Това инструкторско руководимо живо обучение в София (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 София 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.