Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Panoramica sull'ecosistema GPU per l'AI in Cina
- Confronto tra Huawei Ascend, Biren e Cambricon MLU
- Modelli CUDA vs CANN, Biren SDK e BANGPy
- Tendenze del settore e ecosistemi dei vendor
Preparazione alla Migrazione
- Valutazione della tua base di codice CUDA
- Identificazione delle piattaforme di destinazione e delle versioni degli SDK
- Installazione della toolchain e configurazione dell'ambiente
Tecniche di Traduzione del Codice
- Porting dell'accesso alla memoria CUDA e della logica dei kernel
- Mappatura dei modelli di griglia di calcolo/filiera
- Opzioni di traduzione automatica vs manuale
Implementazioni Specifiche della Piattaforma
- Utilizzo degli operatori Huawei CANN e kernel personalizzati
- Pipeline di conversione del Biren SDK
- Ricostruzione dei modelli con BANGPy (Cambricon)
Test e Ottimizzazione Cross-Platform
- Profiling dell'esecuzione su ciascuna piattaforma di destinazione
- Ottimizzazione della memoria e confronti sull'esecuzione parallela
- Monitoraggio delle prestazioni e iterazione
Gestione di Ambienti GPU Misti
- Deployment ibridi con più architetture
- Strategie di fallback e rilevamento dei dispositivi
- Livelli di astrazione per la manutenibilità del codice
Casi Studio e Best Practice
- Porting di modelli vision/NLP su Ascend o Cambricon
- Adattamento dei pipeline di inferenza su cluster Biren
- Gestione dei mismatch di versione e delle lacune API
Sintesi e Prossimi Passi
Requisiti
- Esperienza nella programmazione con CUDA o applicazioni basate su GPU
- Conoscenza dei modelli di memoria GPU e dei kernel di calcolo
- Familiarità con i flussi di lavoro per il deployment o l'accelerazione di modelli AI
Pubblico di Riferimento
- Programmatori GPU
- Architetti di sistema
- Specialisti nella portabilità del codice
21 ore
