Bądźmy w kontakcie

Plan Szkolenia

Wprowadzenie do architektury GPU Biren

  • Przegląd Biren i przypadki użycia
  • Układ sprzętowy: rdzenie, pamięć, klastry obliczeniowe
  • Porównanie z GPU NVIDIA i AMD

Konfiguracja środowiska programistycznego Biren

  • Instalacja SDK i środowiska uruchomieniowego Biren
  • Zrozumienie łańcucha narzędzi i modelu kompilatora
  • Podstawowa struktura projektu i proces budowania

Programowanie GPU z użyciem stosu Biren

  • Modele wątków i bloków
  • Zarządzanie pamięcią i transfery danych
  • Tworzenie kerneli i wzorce uruchamiania

Przenoszenie kodu z CUDA do Biren

  • Techniki tłumaczenia kodu CUDA
  • Typowe mapowania i adaptacje API
  • Laboratoria konwersji kodu i praktyka

Debugowanie i profilowanie

  • Korzystanie z debuggera i profilera Biren
  • Identyfikacja wąskich gardeł
  • Wzorce dostępu do pamięci i optymalizacja

Techniki optymalizacji

  • Planowanie wątków i potokowość instrukcji
  • Rozwijanie pętli i użycie pamięci współdzielonej
  • Zaawansowane strojenie kerneli pod kątem przepustowości

Studium przypadku i przykłady zastosowań

  • Trenowanie modelu z akceleratorami Biren
  • Przenoszenie i profilowanie modelu wizyjnego lub NLP
  • Porównanie wydajności względem CUDA/NVIDIA

Podsumowanie i dalsze kroki

Wymagania

  • Zrozumienie architektury GPU i przetwarzania równoległego
  • Doświadczenie z CUDA, OpenCL lub podobnymi środowiskami programowania GPU
  • Znajomość frameworków deep learningowych, takich jak PyTorch lub TensorFlow

Grupa docelowa

  • Programiści HPC
  • Inżynierowie infrastruktury AI
  • Specjaliści ds. optymalizacji wydajności
 21 godzin

Liczba uczestników


Cena za uczestnika (netto)

Opinie uczestników (1)

Propozycje terminów

Powiązane Kategorie