GPU Programming with OpenACC Treningskurs

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bruke CUDA til å bygge Python applikasjoner som kjører parallelt på NVIDIA GPUer.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Bruk Numba-kompilatoren til å akselerere Python applikasjoner som kjører på NVIDIA GPUer.
• Lag, kompiler og start egendefinerte CUDA-kjerner.
• Administrer GPU-minne.
• Konverter en CPU-basert applikasjon til en GPU-akselerert applikasjon.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot systemadministratorer og IT-fagfolk på nybegynnernivå som ønsker å installere, konfigurere, administrere og feilsøke CUDA-miljøer.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå arkitekturen, komponentene og egenskapene til CUDA.
• Installer og konfigurer CUDA-miljøer.
• Administrer og optimaliser CUDA-ressurser.
• Feilsøk og feilsøk vanlige CUDA-problemer.

This course covers how to program GPUs for parallel computing. Some of the applications include deep learning, analytics, and engineering applications.

Dette instruktørledede, liveopplæringskurset i Norge dekker hvordan du programmerer GPUer for parallell databehandling, hvordan du bruker ulike plattformer, hvordan du jobber med CUDA-plattformen og dens funksjoner, og hvordan du utfører ulike optimaliseringsteknikker ved hjelp av CUDA . Noen av applikasjonene inkluderer dyp læring, analyse, bildebehandling og ingeniørapplikasjoner.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot utviklere som ønsker å bygge maskinvareakselererte objektdeteksjons- og sporingsmodeller for å analysere streaming videodata.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer nødvendig utviklingsmiljø, programvare og biblioteker for å begynne utviklingen.
• Bygg, tren og distribuer dyplæringsmodeller for å analysere live videofeeder.
• Identifiser, spor, segmenter og forutsi forskjellige objekter innenfor videorammer.
• Optimaliser objektdeteksjons- og sporingsmodeller.
• Implementer en intelligent videoanalyse-applikasjon (IVA).

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå til middels nivå som ønsker å bruke OpenCL til å programmere heterogene enheter og utnytte deres parallellitet.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp et utviklingsmiljø som inkluderer OpenCL SDK, en enhet som støtter OpenCL og Visual Studio kode.
• Lag et grunnleggende OpenCL-program som utfører vektoraddisjon på enheten og henter resultatene fra enhetsminnet.
• Bruk OpenCL API til å spørre etter enhetsinformasjon, lage kontekster, kommandokøer, buffere, kjerner og hendelser.
• Bruk OpenCL C-språk for å skrive kjerner som kjøres på enheten og manipulere data.
• Bruk OpenCL innebygde funksjoner, utvidelser og biblioteker for å utføre vanlige oppgaver og operasjoner.
• Bruk OpenCL verts- og enhetsminnemodeller for å optimalisere dataoverføringer og minnetilganger.
• Bruk OpenCL utførelsesmodell for å kontrollere arbeidselementene, arbeidsgruppene og ND-områdene.
• Feilsøk og test OpenCL programmer ved hjelp av verktøy som CodeXL, Intel VTune og NVIDIA Nsight.
• Optimaliser OpenCL-programmer ved hjelp av teknikker som vektorisering, sløyfeutrulling, lokalt minne og profilering.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å bruke CUDA til å programmere NVIDIA GPU-er og utnytte parallelliteten deres.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp et utviklingsmiljø som inkluderer CUDA Toolkit, en NVIDIA GPU og Visual Studio kode.
• Lag et grunnleggende CUDA-program som utfører vektoraddisjon på GPU og henter resultatene fra GPU-minnet.
• Bruk CUDA API til å spørre etter enhetsinformasjon, allokere og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
• Bruk CUDA C/C++-språket til å skrive kjerner som kjøres på GPU og manipulere data.
• Bruk CUDA innebygde funksjoner, variabler og biblioteker for å utføre vanlige oppgaver og operasjoner.
• Bruk CUDA-minneplasser, for eksempel globale, delte, konstante og lokale, for å optimalisere dataoverføringer og minnetilganger.
• Bruk CUDA-utførelsesmodellen for å kontrollere trådene, blokkene og rutenettene som definerer parallelliteten.
• Feilsøk og test CUDA-programmer ved hjelp av verktøy som CUDA-GDB, CUDA-MEMCHECK og NVIDIA Nsight.
• Optimaliser CUDA-programmer ved å bruke teknikker som koalescing, caching, forhåndshenting og profilering.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå til middels nivå som ønsker å bruke forskjellige rammeverk for GPU programmering og sammenligne deres funksjoner, ytelse og kompatibilitet.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp et utviklingsmiljø som inkluderer OpenCL SDK, CUDA Toolkit, ROCm Platform, en enhet som støtter OpenCL, CUDA eller ROCm og Visual Studio kode.
• Lag et grunnleggende GPU-program som utfører vektoraddisjon ved å bruke OpenCL, CUDA og ROCm, og sammenlign syntaksen, strukturen og utførelsen av hvert rammeverk.
• Bruk de respektive API-ene til å spørre etter enhetsinformasjon, tildele og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
• Bruk de respektive språkene til å skrive kjerner som kjøres på enheten og manipulere data.
• Bruk de respektive innebygde funksjonene, variablene og bibliotekene til å utføre vanlige oppgaver og operasjoner.
• Bruk de respektive minneplassene, for eksempel global, lokal, konstant og privat, for å optimalisere dataoverføringer og minnetilgang.
• Bruk de respektive utførelsesmodellene til å kontrollere trådene, blokkene og rutenettene som definerer parallelliteten.
• Feilsøk og test GPU programmer ved hjelp av verktøy som CodeXL, CUDA-GDB, CUDA-MEMCHECK og NVIDIA Nsight.
• Optimaliser GPU programmer ved hjelp av teknikker som koalescing, caching, forhåndshenting og profilering.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å bruke ROCm og HIP til å programmere AMD GPU og utnytte parallelliteten deres.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp et utviklingsmiljø som inkluderer ROCm Platform, en AMD GPU og Visual Studio kode.
• Lag et grunnleggende ROCm-program som utfører vektoraddisjon på GPU og henter resultatene fra GPU-minnet.
• Bruk ROCm API til å spørre etter enhetsinformasjon, allokere og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
• Bruk HIP-språket til å skrive kjerner som kjøres på GPU og manipulere data.
• Bruk HIP innebygde funksjoner, variabler og biblioteker for å utføre vanlige oppgaver og operasjoner.
• Bruk ROCm- og HIP-minneplasser, for eksempel globale, delte, konstante og lokale, for å optimalisere dataoverføringer og minnetilganger.
• Bruk ROCm- og HIP-utførelsesmodeller for å kontrollere trådene, blokkene og rutenettene som definerer parallelliteten.
• Feilsøk og test ROCm- og HIP-programmer ved hjelp av verktøy som ROCm Debugger og ROCm Profiler.
• Optimaliser ROCm- og HIP-programmer ved å bruke teknikker som koalescing, caching, forhåndshenting og profilering.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å installere og bruke ROCm på Windows for å programmere AMD GPUer og utnytte parallelliteten deres.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Sett opp et utviklingsmiljø som inkluderer ROCm Platform, en AMD GPU og Visual Studio kode på Windows.
• Lag et grunnleggende ROCm-program som utfører vektoraddisjon på GPU og henter resultatene fra GPU-minnet.
• Bruk ROCm API til å spørre etter enhetsinformasjon, allokere og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
• Bruk HIP-språket til å skrive kjerner som kjøres på GPU og manipulere data.
• Bruk HIP innebygde funksjoner, variabler og biblioteker for å utføre vanlige oppgaver og operasjoner.
• Bruk ROCm- og HIP-minneplasser, for eksempel globale, delte, konstante og lokale, for å optimalisere dataoverføringer og minnetilganger.
• Bruk ROCm- og HIP-utførelsesmodeller for å kontrollere trådene, blokkene og rutenettene som definerer parallelliteten.
• Feilsøk og test ROCm- og HIP-programmer ved hjelp av verktøy som ROCm Debugger og ROCm Profiler.
• Optimaliser ROCm- og HIP-programmer ved å bruke teknikker som koalescing, caching, forhåndshenting og profilering.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å lære det grunnleggende om GPU programmering og de viktigste rammeverkene og verktøyene for å utvikle GPU-applikasjoner .

• Ved slutten av denne opplæringen vil deltakerne kunne:
  Forstå forskjellen mellom CPU og GPU databehandling og fordelene og utfordringene med GPU programmering.
• Velg riktig rammeverk og verktøy for deres GPU-applikasjon.
• Lag et grunnleggende GPU-program som utfører vektoraddisjon ved å bruke ett eller flere av rammeverkene og verktøyene.
• Bruk de respektive APIene, språkene og bibliotekene til å spørre etter enhetsinformasjon, tildele og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
• Bruk de respektive minneplassene, for eksempel global, lokal, konstant og privat, for å optimalisere dataoverføringer og minnetilgang.
• Bruk de respektive utførelsesmodellene, for eksempel arbeidselementer, arbeidsgrupper, tråder, blokker og rutenett, for å kontrollere parallelliteten.
• Feilsøk og test GPU programmer ved hjelp av verktøy som CodeXL, CUDA-GDB, CUDA-MEMCHECK og NVIDIA Nsight.
• Optimaliser GPU programmer ved hjelp av teknikker som koalescing, caching, forhåndshenting og profilering.

Hva du vil lære i løpet av treningen:

• prinsipper for å lage datagrafikk og skrivebord publisering
• Måter å definere og jobbe med farge
• Forskjeller mellom vektor og bitmap grafikk
• Måter å tilpasse farge bilder og grafikk
• retouching og opprettelse av fotomontager
• Lag dine egne illustrasjoner og grafikk
• Godkjent for å tilpasse seg behovene til grafisk materiale sammensetning og utskrift
• Hvordan lage logoer og logoer
• Lag interessante diagrammer og tabeller
• Skaper forretningskort og bokstaver
• Skaper etiketter, diplomer, invitasjoner
• Forberedelse av bladene
• Hvordan formatere tekst
• Bruk av spot farger
• prinsipper for å forberede seg på utskrift
• digital utskrift, offset utskrift, skjermutskrift

Eksempler på temaer av klasser:

• Min Poster
• Portrett
• ekspansjon
• Min katalog
• Mitt ansikt
• Billboard
• Min logo

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå og UI/UX-designere som ønsker å bruke Adobe LiveCycle Designer til å lage interaktive og dynamiske PDF-skjemaer.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Lag og rediger PDF-skjemaer med ulike elementer og egenskaper.
• Legg til skript og logikk i PDF-skjemaer ved hjelp av JavaScript.
• Valider og sikre PDF-skjemaer.
• Integrer PDF-skjemaer med datakilder og nettjenester.
• Distribuer og distribuer PDF-skjemaer.

For de som ønsker å starte med ny programvare så vel som allerede kjenner annen programvare for vektorgrafikk og raskt vil begynne å jobbe med ny programvare.

Deltakeren vil lære under opplæringen:

• bruk et vektorgrafikkprogram.
• lage enkle objekter
• lage avanserte kurver
• lage en logo
• spore elementer laget på papir eller fotografi
• mottak av brosjyrer
• reklameplakater
• åpne og endre dokumenter og PDF-vektor, EPS