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
Przegląd chińskiego ekosystemu GPU do sztucznej inteligencji
- Porównanie Huawei Ascend, Biren i Cambricon MLU
- Modele CUDA a CANN, Biren SDK i BANGPy
- Trendy branżowe i ekosystemy dostawców
Przygotowanie do migracji
- Ocena bazy kodu CUDA
- Identyfikacja platform docelowych i wersji SDK
- Instalacja łańcucha narzędzi i konfiguracja środowiska
Techniki tłumaczenia kodu
- Przenoszenie dostępu do pamięci CUDA i logiki jąder
- Mapowanie modeli siatki obliczeniowej/wątków
- Opcje tłumaczenia automatycznego i ręcznego
Implementacje specyficzne dla platform
- Korzystanie z operatorów Huawei CANN i niestandardowych jąder
- Potok konwersji Biren SDK
- Przebudowa modeli za pomocą BANGPy (Cambricon)
Testowanie i optymalizacja międzyplatformowa
- Profilowanie wykonania na każdej platformie docelowej
- Strojenie pamięci i porównania wykonania równoległego
- Śledzenie wydajności i iteracje
Zarządzanie mieszanymi środowiskami GPU
- Wdrożenia hybrydowe z wieloma architekturami
- Strategie awaryjne i wykrywanie urządzeń
- Warstwy abstrakcji dla łatwiejszego utrzymania kodu
Studia przypadków i najlepsze praktyki
- Przenoszenie modeli wizyjnych/NLP na Ascend lub Cambricon
- Dostosowywanie potoków wnioskowania na klastrach Biren
- Radzenie sobie z niezgodnościami wersji i brakami w API
Podsumowanie i dalsze kroki
Wymagania
- Doświadczenie w programowaniu z wykorzystaniem CUDA lub aplikacji opartych na GPU
- Zrozumienie modeli pamięci GPU i jąder obliczeniowych
- Znajomość procesów wdrażania modeli AI lub przepływów pracy związanych z akceleracją
Grupa docelowa
- Programiści GPU
- Architekci systemów
- Specjaliści ds. przenoszenia aplikacji
21 godzin
