Schița de curs

Introducere

Înțelegerea elementelor fundamentale ale metodologiei de calcul eterogene

De ce calcul paralel? Înțelegerea necesității de calcul paralel

Procesoare Multi-Core - Arhitectură și Design

Introducere în fire, noțiuni de bază despre fire și concepte de bază ale paralelei Programming

Înțelegerea elementelor fundamentale ale GPU proceselor de optimizare software

OpenMP - Un standard pentru paralele bazate pe directive Programming

Hands on / Demonstrație de diverse programe pe mașini multicore

Introducere în GPU Computing

GPUs pentru calcul paralel

GPU-uri Programming Model

Practic/Demonstrație de diverse programe pe GPU

SDK, set de instrumente și instalarea mediului pentru GPU

Lucrul cu diverse biblioteci

Demonstrație de GPU și Instrumente cu Programe Exemple și OpenACC

Înțelegerea modelului CUDA Programming.

Învățarea arhitecturii CUDA

Explorarea și configurarea mediilor de dezvoltare CUDA

Lucrul cu CUDA Runtime API

Înțelegerea modelului de memorie CUDA

Explorarea funcțiilor suplimentare CUDA API

AccessGing Global Memory Efficiently in CUDA: Global Memory Optimization

Optimizarea transferurilor de date în CUDA utilizând fluxurile CUDA

Utilizarea memoriei partajate în CUDA

Înțelegerea și utilizarea operațiilor și instrucțiunilor atomice în CUDA

Studiu de caz: procesare digitală de bază a imaginilor cu CUDA

Lucrul cu Multi-GPU Programming

Profilare și eșantionare hardware avansată pe NVIDIA / CUDA

Utilizarea API-ului CUDA Dynamic Parallelism pentru lansarea dinamică a kernelului

Rezumat și Concluzie

Cerințe

  • C Programming
  • Linux GCC
 21 ore

Numărul de participanți


Pret per participant

Mărturii (1)