Contattataci

Struttura del corso

Introduzione all'architettura GPU di Biren

  • Panoramica su Biren e casi d'uso
  • Layout hardware: core, memoria, cluster di calcolo
  • Confronto con le GPU NVIDIA e AMD

Configurazione dell'ambiente di programmazione Biren

  • Installazione del Biren SDK e del runtime
  • Comprensione della toolchain e del modello del compilatore
  • Struttura di base del progetto e processo di build

Programmazione GPU con lo stack Biren

  • Modelli di thread e blocchi
  • Gestione della memoria e trasferimenti di dati
  • Sviluppo di kernel e modelli di lancio

Portabilità da CUDA a Biren

  • Tecniche di traduzione per il codice CUDA
  • Mappature e adattamenti API comuni
  • Laboratori di conversione del codice e pratica

Debug e profilazione

  • Utilizzo del debugger e del profiler di Biren
  • Identificazione dei colli di bottiglia
  • Modelli di accesso alla memoria e ottimizzazione

Tecniche di ottimizzazione

  • Pianificazione dei thread e pipeline delle istruzioni
  • Srotolamento dei cicli e utilizzo della memoria condivisa
  • Tuning avanzato dei kernel per il throughput

Studio di caso ed esempi di applicazione

  • Addestramento di un modello con gli acceleratori Biren
  • Portabilità e profilazione di un modello di visione o NLP
  • Confronto delle prestazioni con CUDA/NVIDIA

Riepilogo e prossimi passi

Requisiti

  • Conoscenza dell'architettura GPU e dell'elaborazione parallela.
  • Esperienza con CUDA, OpenCL o ambienti di programmazione GPU simili.
  • Familiarità con framework di deep learning come PyTorch o TensorFlow.

Pubblico di riferimento

  • Sviluppatori HPC.
  • Ingegneri di infrastruttura AI.
  • Specialisti nell'ottimizzazione delle prestazioni.
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative