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
- 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