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 warto używać CUDA z Pythonem?
- Kluczowe koncepcje: wątki, bloki, siatki
Omówienie funkcji i architektury CUDA
- Architektura GPU vs CPU
- Zrozumienie SIMT (Single Instruction, Multiple Threads)
- Model programowania CUDA
Konfigurowanie środowiska deweloperskiego
- Instalacja zestawu narzędzi CUDA i sterowników
- Instalacja Pythona i Numba
- Konfigurowanie i weryfikowanie środowiska
Podstawy programowania równoległego
- Wprowadzenie do wykonywania operacji równoległych
- Zrozumienie wątków i hierarchii wątków
- Praca z warpkami i synchronizacją
Praca z kompilatorem Numba
- Wprowadzenie do Numba
- Pisanie jąder CUDA za pomocą Numba
- Zrozumienie dekoratorów @cuda.jit
Budowanie niestandardowego jądra CUDA
- Pisanie i uruchamianie podstawowego jądra
- Korzystanie z wątków do operacji element po elemencie
- Zarządzanie wymiarami siatki i bloków
Zarządzanie pamięcią
- Typy pamięci GPU (globalna, współdzielona, lokalna, stała)
- Transfer danych między hostem a urządzeniem
- Optymalizacja użycia pamięci i unikanie garnek
Zaawansowane tematy w przyspieszaniu GPU
- Współdzielona pamięć i synchronizacja
- Korzystanie z strumieni do asynchronicznego wykonywania
- Podstawy programowania wielo-GPU
Konwertowanie aplikacji opartych na CPU na GPU
- Profiling kodu CPU
- Identyfikacja sekcji podlegających równolegleniu
- Przenoszenie logiki do jąder CUDA
Rozwiązywanie problemów
- Debugowanie aplikacji CUDA
- Najczęstsze błędy i ich rozwiązywanie
- Narzędzia i techniki testowania oraz walidacji
Podsumowanie i dalsze kroki
- Przegląd kluczowych koncepcji
- Najlepsze praktyki w programowaniu GPU
- Zasoby do kontynuacji nauki
Wymagania
- Doświadczenie w programowaniu Pythonem
- Znajomość NumPy (ndarrays, ufuncs itp.)
Audience
- Deweloperzy
14 godzin
Opinie uczestników (1)
Bardzo interaktywny z wieloma przykładami, z dobrą progresją w złożoności od początku do końca szkolenia.
Jenny - Andheo
Szkolenie - GPU Programming with CUDA and Python
Przetłumaczone przez sztuczną inteligencję