Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Kursplan
Översikt över det kinesiska AI-GPU-ekosystemet
- Jämförelse av Huawei Ascend, Biren och Cambricon MLU
- CUDA kontra CANN, Biren SDK och BANGPy-modeller
- Branschtrender och leverantörsekosystem
Förberedelser för migrering
- Bedömning av er CUDA-kodbas
- Identifiering av målplattformar och SDK-versioner
- Installation av verktygskedja och miljökonfiguration
Tekniker för kodöversättning
- Portering av CUDA-minnesåtkomst och kärnlogik
- Avbildning av beräkningsgrid/trådmodeller
- Automatiserade alternativ kontra manuell översättning
Plattformsspecifika implementationer
- Användning av Huawei CANN-operatörer och anpassade kärnor
- Översättningsflöde i Biren SDK
- Återuppbyggnad av modeller med BANGPy (Cambricon)
Tvärgående testning och optimering
- Profileringskörning på varje målplattform
- Minnesjustering och jämförelse av parallell exekvering
- Prestadåterföljning och iteration
Hantering av blandade GPU-miljöer
- Hybridutrollningar med flera arkitekturer
- Nedgraderingsstrategier och enhetsdetektering
- Abstraktionslager för kodunderhållbarhet
Kasusstudier och bästa praxis
- Portering av vision-/NLP-modeller till Ascend eller Cambricon
- Aftermarket-installation av inferenspipeline på Biren-cluster
- Hantering av versionsmismatch och API-luckor
Sammanfattning och nästa steg
Krav
- Erfarenhet av programmering med CUDA eller GPU-baserade applikationer
- Förståelse för GPU-minnesmodeller och beräkningskärnor
- Kännedom om AI-modellutrollning eller accelereringsarbetsflöden
Målgrupp
- GPU-programmerare
- Systemarkitekter
- Specialister på portering
21 Timmar
