Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Prezentarea ecosistemului chinezesc de GPU-uri pentru AI
- Comparație între Huawei Ascend, Biren și Cambricon MLU
- Modele CUDA vs CANN, Biren SDK și BANGPy
- Tendințe din industrie și ecosistemele vendorilor
Pregătirea pentru migrare
- Evaluarea bazei de cod CUDA
- Identificarea platformelor țintă și a versiunilor de SDK
- Instalarea toolchain-ului și configurarea mediului
Tehnici de traducere a codului
- Portarea accesului la memorie CUDA și a logicii kernelurilor
- Maparea modelelor de grid/thread-uri de calcul
- Opțiuni de traducere automată vs manuală
Implementări specifice platformei
- Utilizarea operatorilor Huawei CANN și a kernelurilor personalizate
- Pipeline-ul de conversie Biren SDK
- Reconstruirea modelelor cu BANGPy (Cambricon)
Testare și optimizare cross-platform
- Profilarea execuției pe fiecare platformă țintă
- Tuning de memorie și comparații de execuție paralelă
- Monitorizarea performanței și iterații
Gestionarea mediilor GPU mixte
- Implementări hibride cu arhitecturi multiple
- Strategii de fallback și detectarea dispozitivelor
- Straturi de abstractizare pentru mentenabilitatea codului
Studii de caz și bune practici
- Portarea modelelor de vedere artificială/NLP pe Ascend sau Cambricon
- Modernizarea pipeline-urilor de inferență pe clustere Biren
- Gestionarea nepotrivirilor de versiuni și a golurilor de API
Rezumat și pașii următori
Cerințe
- Experiență în programarea cu CUDA sau aplicații bazate pe GPU
- Înțelegerea modelelor de memorie GPU și a kernelurilor de calcul
- Familiaritate cu implementarea modelelor AI sau cu fluxurile de accelerare
Public țintă
- Programatori GPU
- Arhitecți de sisteme
- Specialiști în portare
21 Ore
