Formazione online GPU in Italia

Huawei Ascend è una famiglia di processori AI progettati per il calcolo ad alta prestazione in inferenza e training.

Questo corso guidato da un docente (online o sul posto) è rivolto a ingegneri AI e data scientist di livello intermedio che desiderano sviluppare e ottimizzare modelli neurali utilizzando la piattaforma Ascend di Huawei e il toolkit CANN.

Al termine del corso, i partecipanti saranno in grado di:

• Configurare l'ambiente di sviluppo CANN.
• Sviluppare applicazioni AI utilizzando i flussi di lavoro MindSpore e CloudMatrix.
• Ottimizzare le prestazioni su Ascend NPUs utilizzando operatori personalizzati e tiling.
• Distribuire modelli in ambienti edge o cloud.

Formato del Corso

• Lezione interattiva e discussione.
• Utilizzo pratico di Huawei Ascend e CANN toolkit in applicazioni di esempio.
• Esercizi guidati focalizzati sulla costruzione, il training e la distribuzione dei modelli.

Opzioni di Personalizzazione del Corso

• Per richiedere un corso personalizzato basato sulla vostra infrastruttura o sui vostri dataset, contattateci per organizzarlo.

Lo stack AI di Huawei — dal basso livello CANN SDK al alto livello MindSpore — offre un ambiente integrato per lo sviluppo e il deployment dell'IA ottimizzato per l'hardware Ascend.

Questo corso guidato da istruttore (online o in sito) è rivolto a professionisti tecnici di livello principiante a intermedio che desiderano comprendere come i componenti CANN e MindSpore lavorano insieme per supportare la gestione del ciclo di vita dell'IA e le decisioni di infrastruttura.

Al termine di questo corso, i partecipanti saranno in grado di:

• Comprendere l'architettura stratificata dello stack computazionale AI di Huawei.
• Identificare come CANN supporta l'ottimizzazione dei modelli e il deployment a livello hardware.
• Valutare il framework e lo strumento MindSpore in relazione alle alternative del settore.
• Posizionare lo stack AI di Huawei all'interno degli ambienti aziendali o cloud/on-premises.

Formato del Corso

• Lezione interattiva e discussione.
• Demo di sistema live e walkthrough basati su casi concreti.
• Laboratori guidati facoltativi sul flusso del modello da MindSpore a CANN.

Opzioni di Personalizzazione del Corso

• Per richiedere un training personalizzato per questo corso, contattateci per organizzarlo.

Questa formazione guidata dal docente (online o in sede) è rivolta a sviluppatori di livello principiante o intermedio che desiderano utilizzare OpenACC per programmare dispositivi eterogenei e sfruttare il loro parallelismo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo OpenACC.
• Scrivere ed eseguire un programma di base con OpenACC.
• Annotare il codice con direttive e clausole OpenACC.
• Utilizzare le API e le librerie OpenACC.
• Profilare, debuggare e ottimizzare i programmi OpenACC.

Il CANN SDK (Compute Architecture for Neural Networks) fornisce potenti strumenti di distribuzione e ottimizzazione per applicazioni AI in tempo reale nella computer vision e nel NLP, specialmente su hardware Huawei Ascend.

Questo training guidato da un istruttore (online o in sede) è rivolto a professionisti dell'AI di livello intermedio che desiderano costruire, distribuire e ottimizzare modelli di visione e linguistica utilizzando il CANN SDK per scenari di produzione.

Al termine di questo training, i partecipanti saranno in grado di:

• Distribuire e ottimizzare modelli CV e NLP utilizzando CANN e AscendCL.
• Utilizzare gli strumenti CANN per convertire i modelli e integrarli nelle pipeline live.
• Ottimizzare le prestazioni di inferenza per compiti come la rilevazione, la classificazione e l'analisi dei sentimenti.
• Costruire pipeline CV/NLP in tempo reale per scenari di distribuzione sul bordo o basati su cloud.

Formato del Corso

• Lezione interattiva e dimostrazione.
• Laboratorio pratico con distribuzione di modelli e profilo delle prestazioni.
• Design di pipeline live utilizzando casi d'uso reali di CV e NLP.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, contattateci per organizzare.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano apprendere le basi della programmazione GPU e i principali framework e strumenti per lo sviluppo di applicazioni GPU.

• Al termine di questa formazione, i partecipanti saranno in grado di:
  Comprendere la differenza tra CPU e GPU computing e i vantaggi e le sfide della programmazione GPU.
• Scegliere il framework e lo strumento giusti per l'applicazione GPU.
• Creare un programma di base GPU che esegua l'addizione vettoriale utilizzando uno o più framework e strumenti.
• Utilizzare le rispettive API, linguaggi e librerie per eseguire query sulle informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare i rispettivi spazi di memoria, ad esempio globale, locale, costante e privato, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare i rispettivi modelli di esecuzione, ad esempio elementi di lavoro, gruppi di lavoro, thread, blocchi e griglie, per controllare il parallelismo.
• Esegui il debug e il test di GPU programmi utilizzando strumenti come CodeXL, CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
• Ottimizza GPU i programmi utilizzando tecniche quali coalescenza, memorizzazione nella cache, prelettura e profilatura.

CANN TIK (Tensor Instruction Kernel) e Apache TVM abilitano ottimizzazioni avanzate e personalizzazioni degli operatori dei modelli AI per Huawei Ascend hardware.

Questo addestramento guidato dall'insegnante (online o sul posto di lavoro) è rivolto a sviluppatori di sistema di livello avanzato che desiderano creare, distribuire e ottimizzare operatori personalizzati per i modelli AI utilizzando il modello di programmazione TIK di CANN e l'integrazione del compilatore TVM.

Al termine di questo addestramento, i partecipanti saranno in grado di:

• Scrivere e testare operatori AI personalizzati utilizzando il TIK DSL per i processori Ascend.
• Integrare gli operatori personalizzati nell'ambiente runtime di CANN e nel grafo di esecuzione.
• Utilizzare TVM per la pianificazione degli operatori, l'autotuning e il benchmarking.
• Debuggare ed ottimizzare le prestazioni a livello istruzione per pattern di calcolo personalizzati.

Formato del Corso

• Lezione interattiva e dimostrativa.
• Sviluppo manuale degli operatori utilizzando le pipeline TIK e TVM.
• Test e ottimizzazione su hardware Ascend o simulatori.

Opzioni di Personalizzazione del Corso

• Per richiedere un addestramento personalizzato per questo corso, si prega di contattarci per organizzare.

Questo corso guidato dal docente (online o in presenza) è rivolto a sviluppatori di livello principiante a intermedio che desiderano utilizzare diversi framework per la programmazione GPU e confrontarne le caratteristiche, le prestazioni e la compatibilità.

Al termine di questo corso, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che include l'OpenCL SDK, il CUDA Toolkit, la piattaforma ROCm, un dispositivo che supporta OpenCL, CUDA o ROCm e Visual Studio Code.
• Creare un programma GPU di base che esegue l'addizione vettoriale utilizzando OpenCL, CUDA e ROCm, e confrontare la sintassi, la struttura ed l'esecuzione di ciascun framework.
• Utilizzare le API rispettive per query informazioni sul dispositivo, allocare e deallocare memoria del dispositivo, copiare dati tra host e dispositivo, lanciare kernel e sincronizzare thread.
• Utilizzare i linguaggi rispettivi per scrivere kernel che si eseguono sul dispositivo e manipolano i dati.
• Utilizzare le funzioni, variabili e librerie integrate rispettive per eseguire attività e operazioni comuni.
• Utilizzare gli spazi di memoria rispettivi, come globale, locale, costante e privato, per ottimizzare i trasferimenti di dati e le accessi alla memoria.
• Utilizzare i modelli di esecuzione rispettivi per controllare i thread, i blocchi e le griglie che definiscono il parallelismo.
• Debuggare e testare programmi GPU utilizzando strumenti come CodeXL, CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
• Ottimizzare i programmi GPU utilizzando tecniche come la coalescenza, il caching, il prefetching e il profiling.

CloudMatrix è la piattaforma unificata di sviluppo e distribuzione AI di Huawei progettata per supportare pipeline di inferenza scalabili e di livello produttivo.

Questo addestramento guidato da un formatore (online o in presenza) è rivolto a professionisti AI di livello principiante a intermedio che desiderano distribuire e monitorare modelli AI utilizzando la piattaforma CloudMatrix con integrazione CANN e MindSpore.

Al termine di questo addestramento, i partecipanti saranno in grado di:

• Utilizzare CloudMatrix per il packaging, la distribuzione e il servizio del modello.
• Convertire e ottimizzare modelli per chipsets Ascend.
• Configurare pipeline per compiti di inferenza in tempo reale e a batch.
• Monitorare le distribuzioni e regolare le prestazioni nelle impostazioni di produzione.

Formato del Corso

• Lezione interattiva e discussione.
• Uso pratica di CloudMatrix con scenari reali di distribuzione.
• Esercizi guidati focalizzati su conversione, ottimizzazione e scalabilità.

Opzioni di Personalizzazione del Corso

• Per richiedere un addestramento personalizzato per questo corso basato sulla tua infrastruttura AI o ambiente cloud, contattaci per organizzare.

Lo strumento Huawei Ascend CANN abilita potenti inferenze AI sui dispositivi di bordo come l'Ascend 310. CANN fornisce strumenti essenziali per compilare, ottimizzare e distribuire modelli in ambienti con limitazioni di calcolo e memoria.

Questa formazione guidata dal formatore (online o sul posto) è rivolta a sviluppatori AI intermedi e integratori che desiderano distribuire ed ottimizzare modelli sui dispositivi di bordo Ascend utilizzando la catena degli strumenti CANN.

Al termine della formazione, i partecipanti saranno in grado di:

• Preparare e convertire modelli AI per l'Ascend 310 utilizzando gli strumenti CANN.
• Creare pipeline di inferenza leggere utilizzando MindSpore Lite e AscendCL.
• Ottimizzare le prestazioni del modello per ambienti limitati in termini di calcolo e memoria.
• Distribuire e monitorare applicazioni AI nelle situazioni reali di bordo.

Formato del corso

• Lezione interattiva e dimostrativa.
• Lavoro pratica con modelli specifici di bordo e scenari.
• Esempi viventi di distribuzione su hardware virtuale o fisico di bordo.

Opzioni di personalizzazione del corso

• Per richiedere una formazione personalizzata per questo corso, contattateci per organizzare l'incontro.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano installare e utilizzare ROCm su Windows per programmare AMD GPU e sfruttarne il parallelismo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che includa la piattaforma ROCm, un AMD GPU e Visual Studio Code su Windows.
• Creare un programma ROCm di base che esegua l'addizione vettoriale su GPU e recuperi i risultati dalla memoria GPU.
• Utilizza l'API ROCm per interrogare le informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare il linguaggio HIP per scrivere kernel che vengono eseguiti su GPU e manipolano i dati.
• Utilizzare le funzioni, le variabili e le librerie predefinite di HIP per eseguire attività e operazioni comuni.
• Utilizzare gli spazi di memoria ROCm e HIP, ad esempio globale, condiviso, costante e locale, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare i modelli di esecuzione ROCm e HIP per controllare i thread, i blocchi e le griglie che definiscono il parallelismo.
• Esegui il debug e il test dei programmi ROCm e HIP utilizzando strumenti come ROCm Debugger e ROCm Profiler.
• Ottimizza i programmi ROCm e HIP utilizzando tecniche come la coalescenza, la memorizzazione nella cache, il prefetching e la profilazione.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare ROCm e HIP per programmare AMD GPU e sfruttarne il parallelismo.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che includa la piattaforma ROCm, un codice AMD GPU e Visual Studio.
• Creare un programma ROCm di base che esegua l'addizione vettoriale su GPU e recuperi i risultati dalla memoria GPU.
• Utilizza l'API ROCm per interrogare le informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare il linguaggio HIP per scrivere kernel che vengono eseguiti su GPU e manipolano i dati.
• Utilizzare le funzioni, le variabili e le librerie predefinite di HIP per eseguire attività e operazioni comuni.
• Utilizzare gli spazi di memoria ROCm e HIP, ad esempio globale, condiviso, costante e locale, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare i modelli di esecuzione ROCm e HIP per controllare i thread, i blocchi e le griglie che definiscono il parallelismo.
• Esegui il debug e il test dei programmi ROCm e HIP utilizzando strumenti come ROCm Debugger e ROCm Profiler.
• Ottimizza i programmi ROCm e HIP utilizzando tecniche come la coalescenza, la memorizzazione nella cache, il prefetching e la profilazione.

CANN (Architettura di Calcolo per Neural Networks) è il kit di strumenti Huawei per il calcolo AI utilizzato per compilare, ottimizzare e distribuire modelli AI sui processori Ascend AI.

Questo addestramento guidato dall'insegnante (online o in sede) si rivolge a sviluppatori AI di livello principiante che desiderano comprendere come CANN si integra nel ciclo di vita del modello, dalla formazione alla distribuzione, e come funziona con i framework come MindSpore, TensorFlow, e PyTorch.

Al termine di questo addestramento, i partecipanti saranno in grado di:

• Comprendere lo scopo e l'architettura del kit di strumenti CANN.
• Configurare un ambiente di sviluppo con CANN e MindSpore.
• Convertire e distribuire un semplice modello AI su hardware Ascend.
• Acquisire conoscenze fondamentali per futuri progetti di ottimizzazione o integrazione di CANN.

Formato del Corso

• Lezione interattiva e discussione.
• Laboratorio pratico con la distribuzione di semplici modelli.
• Guida passo-passo della catena strumentale CANN e dei punti di integrazione.

Opzioni per la Personalizzazione del Corso

• Per richiedere un addestramento personalizzato per questo corso, si prega di contattarci per organizzare l'evento.

Ascend, Biren e Cambricon sono le principali piattaforme di hardware AI in Cina, ciascuna che offre strumenti unici di accelerazione e profilatura per carichi di lavoro AI a livello produttivo.

Questo training interattivo guidato dall'insegnante (online o sul posto) si rivolge agli ingegneri avanzati di infrastrutture AI e delle prestazioni che desiderano ottimizzare i flussi di lavoro per l'inferenza e il training dei modelli su diverse piattaforme di chip AI cinesi.

Al termine di questo corso, i partecipanti saranno in grado di:

• Benchmarkare i modelli sulle piattaforme Ascend, Biren e Cambricon.
• Identificare le bottlenecks del sistema e le inefficienze della memoria/calcolo.
• Applicare ottimizzazioni a livello di grafico, kernel e operatore.
• Tunare i pipeline di deploy per migliorare la throughput e la latenza.

Formato del Corso

• Lecture interattiva e discussioni.
• Uso pratica degli strumenti di profilatura ed ottimizzazione su ogni piattaforma.
• Esercizi guidati focalizzati su scenari pratici di tuning.

Opzioni per la Personalizzazione del Corso

• Per richiedere un training personalizzato basato sul vostro ambiente delle prestazioni o tipo di modello, contattateci per organizzare.

CANN SDK (Architettura di Calcolo per Neural Networks) è la base di calcolo AI di Huawei che consente ai developer di ottimizzare le prestazioni delle reti neurali distribuite sui processori AI Ascend.

Questo corso interattivo guidato da un instruttore (online o in sede) si rivolge a sviluppatori AI avanzati e ingegneri di sistema che desiderano ottimizzare le prestazioni dell'inferenza utilizzando il set di strumenti avanzato di CANN, incluso l'Engine del Grafo, TIK e lo sviluppo di operatori personalizzati.

Alla fine di questo corso, i partecipanti saranno in grado di:

• Capire l'architettura di runtime e il ciclo vitale delle prestazioni di CANN.
• Utilizzare strumenti di profilatura e Engine del Grafo per l'analisi e l'ottimizzazione delle prestazioni.
• Crea ed ottimizza operatori personalizzati utilizzando TIK e TVM.
• Risolvere i colloqui della memoria e migliorare il throughput del modello.

Formato del Corso

• Lectura interattiva e discussione.
• Laboratori pratici con profilatura in tempo reale e tuning degli operatori.
• Esercizi di ottimizzazione utilizzando esempi di distribuzione su casi limite.

Opzioni di Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, contattateci per organizzare la vostra sessione.

Le architetture cinesi GPU come Huawei Ascend, Biren e Cambricon MLU offrono alternative a CUDA adattate ai mercati locali di IA e HPC.

Questo corso interattivo guidato dal formatore (in linea o sul posto) è rivolto a programmatori esperti GPU e specialisti dell'infrastruttura che desiderano migrare ed ottimizzare le applicazioni CUDA esistenti per la distribuzione su piattaforme hardware cinesi.

Al termine del corso, i partecipanti saranno in grado di:

• Valutare la compatibilità delle attuali cariche di lavoro CUDA con alternative basate su chip cinesi.
• Migrare le basi di codice CUDA agli ambienti Huawei CANN, Biren SDK e Cambricon BANGPy.
• Confrontare le prestazioni e identificare i punti di ottimizzazione tra piattaforme.
• Risolvere sfide pratiche nel supporto interarchitetture e nella distribuzione.

Formato del Corso

• Lettura interattiva ed esercitazione.
• Esperimenti pratici di traduzione di codice e confronto delle prestazioni.
• Esercizi guidati focalizzati su strategie di adattamento multi-GPU.

Opzioni per la Personalizzazione del Corso

• Per richiedere un corso personalizzato basato sulla vostra piattaforma o progetto CUDA, contattateci per organizzare.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare CUDA per programmare NVIDIA GPU e sfruttarne il parallelismo.

Al termine di questo corso di formazione, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che includa CUDA Toolkit, un codice NVIDIA GPU e Visual Studio.
• Creare un programma CUDA di base che esegua l'addizione vettoriale su GPU e recuperi i risultati dalla memoria GPU.
• Utilizza l'API CUDA per eseguire query sulle informazioni sul dispositivo, allocare e deallocare la memoria del dispositivo, copiare i dati tra host e dispositivo, avviare kernel e sincronizzare i thread.
• Utilizzare il linguaggio CUDA C/C++ per scrivere kernel che vengono eseguiti su GPU e manipolano i dati.
• Utilizza le funzioni, le variabili e le librerie integrate di CUDA per eseguire attività e operazioni comuni.
• Utilizza gli spazi di memoria CUDA, ad esempio globale, condiviso, costante e locale, per ottimizzare i trasferimenti di dati e gli accessi alla memoria.
• Utilizzare il modello di esecuzione CUDA per controllare i thread, i blocchi e le griglie che definiscono il parallelismo.
• Esegui il debug e il test dei programmi CUDA utilizzando strumenti come CUDA-GDB, CUDA-MEMCHECK e NVIDIA Nsight.
• Ottimizza i programmi CUDA utilizzando tecniche come la coalescenza, la memorizzazione nella cache, il precaricamento e la profilatura.

Il 97% dei clienti soddisfa. 

CANN (Compute Architecture for Neural Networks) è lo stack di calcolo AI di Huawei per la distribuzione e l'ottimizzazione dei modelli AI sui processori Ascend.

Questo training live, guidato da un istruttore (online o su sito), è rivolto a sviluppatori ed ingegneri di livello intermedio che desiderano distribuire modelli AI addestrati in modo efficiente sulla hardware Huawei Ascend utilizzando lo strumento CANN e strumenti come MindSpore, TensorFlow, o PyTorch.

Al termine di questo training, i partecipanti saranno in grado di:

• Comprendere l'architettura CANN e il suo ruolo nella pipeline di distribuzione AI.
• Convertire ed adattare modelli da framework popolari a formati compatibili con Ascend.
• Usare strumenti come ATC, OM conversione del modello e MindSpore per inferenza edge e cloud.
• Diagnosare problemi di distribuzione ed ottimizzare le prestazioni su hardware Ascend.

Formato del Corso

• Lezione interattiva e dimostrativa.
• Laboratorio pratico utilizzando gli strumenti CANN e simulatori o dispositivi Ascend.
• Scenari di distribuzione pratica basati su modelli AI real-world.

Opzioni per la Personalizzazione del Corso

• Per richiedere una formazione personalizzata per questo corso, si prega di contattarci per organizzare.

I Biren AI Accelerators sono GPU ad alte prestazioni progettati per carichi di lavoro AI e HPC, con supporto per il training su larga scala e l'inferenza.

Questo corso interattivo (tenuto online o in sede) è rivolto a sviluppatori di livello intermedio e avanzato che desiderano programmare e ottimizzare applicazioni utilizzando la pila proprietaria Biren GPU, con comparazioni pratiche rispetto agli ambienti basati su CUDA.

Al termine del corso, i partecipanti saranno in grado di:

• Comprendere l'architettura e la gerarchia della memoria Biren GPU.
• Configurare l'ambiente di sviluppo ed utilizzare il modello di programmazione Biren.
• Tradurre e ottimizzare codice in stile CUDA per le piattaforme Biren.
• Applicare tecniche di ottimizzazione delle prestazioni e di debug.

Formato del Corso

• Lezione interattiva e discussione.
• Utilizzo pratico dell'SDK Biren in carichi di lavoro di esempio GPU.
• Esercizi guidati focalizzati sulla porting e l'ottimizzazione delle prestazioni.

Opzioni per la Personalizzazione del Corso

• Per richiedere un corso personalizzato basato sul vostro stack di applicazioni o sui bisogni di integrazione, contattateci per organizzare.

Le Cambricon MLUs (Machine Learning Unità) sono chip AI specializzati ottimizzati per l'inferenza e il training in scenari di edge computing e data center.

Questo corso live guidato da un istruttore (online o sul posto) è rivolto a sviluppatori intermedio che desiderano creare e distribuire modelli AI utilizzando il framework BANGPy e l'SDK Neuware sui chip Cambricon MLU.

Al termine di questo corso, i partecipanti saranno in grado di:

• Configurare gli ambienti di sviluppo per BANGPy e Neuware.
• Sviluppare ed ottimizzare modelli basati su Python e C++ per Cambricon MLUs.
• Distribuire i modelli a dispositivi edge e data center che eseguono il runtime Neuware.
• Integrare i flussi di lavoro ML con funzionalità di accelerazione specifiche di MLU.

Formato del Corso

• Lectura interattiva e discussione.
• Utilizzo pratica di BANGPy e Neuware per lo sviluppo e la distribuzione.
• Esercizi guidati focalizzati sull'ottimizzazione, l'integrazione e il testing.

Opzioni di Personalizzazione del Corso

• Per richiedere un corso personalizzato basato sul vostro modello di dispositivo Cambricon o caso d'uso, contattateci per organizzare la sessione.

Questo corso di formazione dal vivo con istruttore in Italia (online o in loco) è rivolto agli amministratori di sistema principianti e ai professionisti IT che desiderano installare, configurare, gestire e risolvere i problemi degli ambienti CUDA.

Al termine di questa formazione, i partecipanti saranno in grado di:

• Comprendere l'architettura, i componenti e le funzionalità di CUDA.
• Installare e configurare gli ambienti CUDA.
• Gestisci e ottimizza le risorse CUDA.
• Esegui il debug e risolvi i problemi comuni di CUDA.

Questo corso in diretta guidato da un istruttore (online o in sede) è rivolto a sviluppatori di livello principiante e intermedio che desiderano utilizzare OpenCL per programmare dispositivi eterogenei ed sfruttare la loro parallelizzazione.

Al termine del corso, i partecipanti saranno in grado di:

• Configurare un ambiente di sviluppo che include il SDK OpenCL, un dispositivo compatibile con OpenCL e Visual Studio Code.
• Creare un programma base OpenCL che esegue l'addizione vettoriale sul dispositivo e recupera i risultati dalla memoria del dispositivo.
• Utilizzare l'API OpenCL per interrogare le informazioni sul dispositivo, creare contesti, code di comandi, buffer, kernel ed eventi.
• Utilizzare il linguaggio C OpenCL per scrivere i kernel che eseguono sul dispositivo e manipolano i dati.
• Utilizzare le funzioni, estensioni e librerie built-in di OpenCL per svolgere operazioni e attività comuni.
• Utilizzare i modelli di memoria host e dispositivo OpenCL per ottimizzare i trasferimenti di dati ed accessi alla memoria.
• Utilizzare il modello di esecuzione OpenCL per controllare gli elementi di lavoro, i gruppi di lavoro ed i range ND.
• Debuggare e testare i programmi OpenCL utilizzando strumenti come CodeXL, Intel VTune e NVIDIA Nsight.
• Ottimizzare i programmi OpenCL utilizzando tecniche come la vettorizzazione, l'unrolling dei loop, la memoria locale e il profilazione.

Questo training guidato dall'instruttore in Italia (online o in presenza) è rivolto a sviluppatori di livello intermedio che desiderano utilizzare CUDA per costruire applicazioni Python che eseguono in parallelo su GPU NVIDIA.

Alla fine di questo training, i partecipanti saranno in grado di:

• Utilizzare il compilatore Numba per accelerare le applicazioni Python che si eseguono su GPU NVIDIA.
• Creati, compilare e lanciare kernel CUDA personalizzati.
• Gestire la memoria della GPU.
• Convertire un'applicazione basata su CPU in un'applicazione accelerata da GPU.

Questo corso di formazione dal vivo con istruttore in Italia illustra come programmare GPU per il calcolo parallelo, come utilizzare varie piattaforme, come lavorare con la piattaforma CUDA e le sue funzionalità e come eseguire varie tecniche di ottimizzazione utilizzando CUDA. Alcune delle applicazioni includono deep learning, analisi, elaborazione delle immagini e applicazioni ingegneristiche.