Kursplan

Introduktion till Biren GPU Arkitektur

  • Översikt över Biren och användningsfall
  • Hårdvarulayout: kärnor, minne, beräkningskluster
  • Jämförelse med NVIDIA och AMD GPUs

Installering av Biren Programming Miljö

  • Installation av Biren SDK och runtime
  • Förståelse för verktygskedjan och kompilatormodell
  • Grundläggande projektstruktur och byggprocess

GPU Programming med Biren Stack

  • Tråd- och blockmodeller
  • Minnehantering och datatransfer
  • Utveckling av kärnor och startmönster

Portering från CUDA till Biren

  • Översättningstekniker för CUDA-kod
  • Vanliga API-mappningar och anpassningar
  • Kodkonverteringslaborationer och övningar

Felsökning och Profilering

  • Användning av Biren’s debugger och profilerare
  • Identifiering av flaskhalsar
  • Minneåtkomstmönster och optimering

Optimeringstekniker

  • Trådschemaläggning och instruktionspipelining
  • Loop-avlindning och delat minnesanvändning
  • Avancerad kärnutjustering för genomströmning

Fallstudie och Exempel på Applikationer

  • Träning av modell med Biren-acceleratorer
  • Portering och profilering av syn- eller NLP-modell
  • Jämförelse av prestanda mot CUDA/NVIDIA

Sammanfattning och Nästa Steg

Krav

  • Förståelse för GPU arkitektur och parallellbearbetning
  • Erfarenhet av CUDA, OpenCL, eller liknande GPU programmeringsmiljöer
  • Kännedom om djupinlärningsramverk såsom PyTorch eller TensorFlow

Målgrupp

  • HPC-utvecklare
  • AI-infrastrukturingenjörer
  • Specialister inom prestandoptimering
 21 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier