Thank you for sending your enquiry! One of our team members will contact you shortly.
Thank you for sending your booking! One of our team members will contact you shortly.
Plan Szkolenia
Wprowadzenie
- Czym jest programowanie GPU?
- Dlaczego używać CUDA z Python?
- Kluczowe pojęcia: wątki, bloki, siatka
Przegląd funkcji i architektury CUDA
- GPU vs architektura CPU
- Zrozumienie SIMT (Single Instruction, Multiple Threads)
- Model programowania CUDA
Konfiguracja środowiska rozwojowego
- Instalowanie zestawu narzędzi CUDA i sterowników
- Instalowanie Python i Numba
- Konfigurowanie i weryfikacja środowiska
Zasady równoległego Programming
- Wprowadzenie do równoległej wykonania
- Zrozumienie wątków i hierarchii wątków
- Praca z grupami wątkowych (warpy) i synchronizacją
Praca z kompilatorem Numba
- Wprowadzenie do Numba
- Pisanie jąder CUDA przy użyciu Numba
- Zrozumienie dekoratorów @cuda.jit
Budowanie niestandardowego jądra CUDA
- Pisanie i uruchamianie podstawowego jądra
- Używanie wątków do operacji element-by-element
- Zarządzanie wymiarami siatki i bloków
Operacje pamięci Management
- Typy pamięci GPU (globalna, współdzielona, lokalna, stała)
- Przenoszenie pamięci między hostem a urządzeniem
- Optymalizacja użycia pamięci i unikanie korków
Zaawansowane tematy dotyczące przyspieszenia GPU
- Pamięć współdzielona i synchronizacja
- Używanie strumieni do asynchronicznej wykonania
- Podstawy programowania wielu-GPU
Konwersja aplikacji opartych na CPU do GPU
- Przedzierzazanie kodu CPU
- Zidentyfikowanie sekcji równoległego wykonywania
- Nadawanie logiki do jąder CUDA
Rozwiązywanie problemów
- Debugowanie aplikacji CUDA
- Częste błędy i sposób ich rozwiązania
- Narzędzia i techniki do testowania i walidacji
Szczegóły i kolejne kroki
- Przegląd kluczowych pojęć
- Najlepsze praktyki w programowaniu GPU
- Dodatkowe zasoby do kontynuowania nauki
Wymagania
- doświadczenie w programowaniu
- Doświadczenie z NumPy (tablice ndarray, funkcje ufunc itp.)
Uczestnicy
- Programiści
14 godzin
Opinie uczestników (1)
Bardzo interaktywne z różnymi przykładami, z dobrym postępem złożoności między początkiem a końcem szkolenia.
Jenny - Andheo
Szkolenie - GPU Programming with CUDA and Python
Przetłumaczone przez sztuczną inteligencję