Kursplan

Introduktion till Biren GPU Arkitektur

  • Överblick över Biren och användningsfall
  • Hårdvaruuppsättning: kärnor, minne, beräkningskluster
  • Jämförelse med NVIDIA och AMD GPUs

Installation av Biren Programming Miljö

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

GPU Programming med Biren Stack

  • Tråd- och blockmodeller
  • Minnehantering och dataöverföringar
  • Utveckling och startmönster för kärna

Överföring från CUDA till Biren

  • Översättningsmetoder för CUDA-kod
  • Vanliga API-överföringar och anpassningar
  • Kodkonverteringslaborationer och övningar

Felsökning och Profilering

  • Användning av Biren's felsökningsverktyg och profilerare
  • Identifiering av flaskhalsar
  • Minne åtkomstmönster och optimering

Optimeringstekniker

  • Trådschemaläggning och instruktionspipelining
  • Loop-outrolling och delat minnesanvändning
  • Avancerad kärnanpassning för genomströmning

Fallstudie och Användningsområden

  • Träning av modeller med Biren-acceleratorer
  • Överföring och profilering av visions- eller NLP-modeller
  • Jämförelse av prestanda mot CUDA/NVIDIA

Sammanfattning och Nästa Steg

Krav

  • Förståelse för GPU-arkitektur och parallell bearbetning
  • Erfarenhet av CUDA, OpenCL, eller liknande GPU-programmeringsmiljöer
  • Kännedom om djupinlärningsramverk som PyTorch eller TensorFlow

Målgrupp

  • HPC-utvecklare
  • AI-infrastrukturingenjörer
  • Prestandoptimeringsspecialister
 21 timmar

Antal deltagare


Price per participant

Vittnesmål (1)

Upcoming Courses

Relaterade Kategorier