Kom i kontakt

Kursplan

Inledning till Birens GPU-arkitektur

  • Översikt över Biren och användningsområden
  • Hårdvarulayout: kärnor, minne, beräkningskluster
  • Jämförelse med NVIDIA och AMD GPU:er

Ställa in Birens programmeringsmiljö

  • Installera Biren SDK och körningstid (runtime)
  • Förstå verktygskedjan och kompileringsmodellen
  • Grundläggande projektstruktur och byggprocess

GPU-programmering med Biren-stacken

  • Tråd- och blockmodeller
  • Minneshantering och dataöverföringar
  • Kernel-utveckling och startmönster (launch patterns)

Portering från CUDA till Biren

  • Översättningstekniker för CUDA-kod
  • Vanliga API-mappningar och anpassningar
  • Labb för kodkonvertering och övning

Felsökning och profilering

  • Använda Birens felsökare och profilerare
  • Identifiera flaskhalsar
  • Minnesåtkomstmönster och optimering

Optimeringstekniker

  • Trådschemaläggning och instruktionssidspoling (pipelining)
  • Loop-utvinning (unrolling) och användning av gemensamt minne (shared memory)
  • Avancerad kerneljustering för hög genomströmning (throughput)

Fallstudie och applikationsexempel

  • Utbilda en modell med Biren-acceleratorer
  • Portera och profilera ett vision- eller NLP-modell
  • Jämföra prestanda mot CUDA/NVIDIA

Sammanfattning och nästa steg

Krav

  • Förståelse för GPU-arkitektur och parallelbearbetning
  • Erfarenhet av CUDA, OpenCL eller liknande GPU-programmeringsmiljöer
  • Bekantskap med djuginlärningsramverk som PyTorch eller TensorFlow

Målgrupp

  • HPC-utvecklare
  • AI-infrastrukturenginörer
  • Specialister inom prestandaoptimering
 21 Timmar

Antal deltagare


Pris per deltagare

Vittnesmål (2)

Kommande Kurser

Relaterade Kategorier