Kursplan

Introduksjon til Biren GPU arkitektur

  • Oversikt over Biren og bruksområder
  • Hardware-oppsett: kjerner, minne, beregningsklustre
  • Sammenligning med NVIDIA og AMD GPUer

Oppsett av Biren Programming miljø

  • Installering av Biren SDK og kjøringsmiljø
  • Forståelse av verktøykjeden og kompilatormodellen
  • Grunnleggende prosjektstruktur og byggeprosess

GPU Programming med Biren Stack

  • Tråd- og blokkmodeller
  • Minnemanagement og datatransferer
  • Utvikling og startmønstre for kjerner

Omstilling fra CUDA til Biren

  • Oversettingsmetoder for CUDA-kode
  • Vanlige API-kartlegging og tilpasninger
  • Kodekonverteringslaboratorier og øvelser

Feilsøking og Profilering

  • Bruk av Birens debugger og profiler
  • Identifisering av flaskhalser
  • Minnestilgangsmønstre og optimalisering

Optimaliseringsteknikker

  • Trådplanlegging og instruksjonsrørledning
  • Sløyfeutvikling og bruk av delt minne
  • Avansert kjernejustering for gjennomstrømning

Case Study og Applikasjonseksempler

  • Opplæring av en modell med Biren-akseleratorer
  • Omstilling og profilering av en syns- eller NLP-modell
  • Sammenligning av ytelse med CUDA/NVIDIA

Oppsummering og Neste Skritt

Krav

  • En forståelse av GPU arkitektur og parallellprosessering
  • Erfaring med CUDA, OpenCL, eller lignende GPU programmeringsmiljøer
  • Kjennskap med dyplearning rammeverk som PyTorch eller TensorFlow

Målgruppe

  • HPC-utviklere
  • AI infrastrukturingeniører
  • Ytelseoptimaliseringsspesialister
 21 timer

Antall deltakere


Price per participant

Testimonials (1)

Upcoming Courses

Related Categories