Dziękujemy za wysłanie zapytania! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
Dziękujemy za wysłanie rezerwacji! Jeden z członków naszego zespołu skontaktuje się z Państwem wkrótce.
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
Opinie uczestników (1)
Inżynieria Promptów była świetna, a także możliwość poznania rożych LLM