Schița de curs

Prezentare generală a Ecosistemului GPU pentru AI din China

  • Comparație între Huawei Ascend, Biren, Cambricon MLU
  • Modele CUDA vs CANN, Biren SDK și BANGPy
  • Tendințe ale industriei și ecosisteme ale furnizorilor

Pregătirea pentru Migrare

  • Evaluarea bazei de cod CUDA
  • Identificarea platformelor țintă și a versiunilor SDK
  • Instalarea lanțului de unelte și configurarea mediului

Tehnici de Traducere a Codului

  • Portarea accesului la memorie și logicii nucleelor CUDA
  • Maparea modelelor de grilă/fire de calcul
  • Opțiuni de traducere automată vs manuală

Implementări Specifice Platformei

  • Utilizarea operatorilor Huawei CANN și a nucleelor personalizate
  • Pipeline de conversie Biren SDK
  • Reconstruirea modelelor cu BANGPy (Cambricon)

Testare și Optimizare Inter-Platformă

  • Profilarea execuției pe fiecare platformă țintă
  • Reglarea memoriei și compararea execuției paralele
  • Urmărirea performanței și iterații

Gestionarea Mediilor Mixte GPU

  • Implementări hibride cu multiple arhitecturi
  • Strategii de rezervă și detectare de dispozitive
  • Straturi de abstractizare pentru mentenabilitatea codului

Studii de Caz și Bune Practici

  • Portarea modelelor de vizualizare/NLP pe Ascend sau Cambricon
  • Retrofitarea conductelor de inferență pe clustere Biren
  • Gestionarea nepotrivirilor de versiuni și a lacunelor API

Rezumat și Pași Următori

Cerințe

  • Experiență în programare cu CUDA sau aplicații bazate pe GPU
  • Înțelegere a modelelor de memorie GPU și a nucleelor de calcul
  • Familiaritate cu implementarea modelelor de AI sau fluxuri de lucru de accelerare

Publicul țintă

  • Programatori GPU
  • Arhitecți de sistem
  • Specialiști în porting
 21 Ore

Numărul de participanți


Pret per participant

Cursuri viitoare

Categorii înrudite