GPU Training in România

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător și intermediar care doresc să utilizeze OpenACC pentru a programa dispozitive eterogene și a exploata paralelismul acestora.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Să configureze un mediu de dezvoltare care include OpenACC SDK, un dispozitiv care suportă OpenACC și Visual Studio Cod.
• Să creeze un program OpenACC de bază care efectuează adunarea vectorială pe dispozitiv și recuperează rezultatele din memoria dispozitivului.
• Utilizați directivele și clauzele OpenACC pentru a adnota codul și pentru a specifica regiunile paralele, mișcarea datelor și opțiunile de optimizare.
• Utilizați API OpenACC pentru a interoga informații despre dispozitiv, a seta numărul dispozitivului, a gestiona erorile și a sincroniza evenimentele.
• Utilizați bibliotecile OpenACC și caracteristicile de interoperabilitate pentru a integra OpenACC cu alte modele de programare, cum ar fi CUDA, OpenMP și MPI.
• Utilizați instrumentele OpenACC pentru a realiza profilul și depanarea programelor OpenACC și pentru a identifica blocajele și oportunitățile de performanță.
• Optimizarea programelor OpenACC utilizând tehnici precum localitatea datelor, fuziunea buclelor, fuziunea nucleului și auto-tuning.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător și intermediar care doresc să învețe elementele de bază ale programării GPU și principalele cadre și instrumente pentru dezvoltarea de aplicații GPU.

• La finalul acestui curs de formare, participanții vor fi capabili să:
  Să înțeleagă diferența dintre calculul cu procesor și calculul GPU, precum și beneficiile și provocările programării GPU.
• Să aleagă cadrul și instrumentul potrivit pentru aplicația lor GPU.
• Să creeze un program GPU de bază care efectuează adunarea vectorială folosind unul sau mai multe dintre cadrele și instrumentele prezentate.
• Să utilizeze API-urile, limbajele și bibliotecile respective pentru a interoga informații despre dispozitiv, pentru a aloca și a dezaloca memoria dispozitivului, pentru a copia date între gazdă și dispozitiv, pentru a lansa nuclee și pentru a sincroniza fire de execuție.
• Utilizați spațiile de memorie respective, cum ar fi cele globale, locale, constante și private, pentru a optimiza transferurile de date și accesările de memorie.
• Utilizați modelele de execuție respective, cum ar fi work-items, work-groups, fire, blocuri și grile, pentru a controla paralelismul.
• Depanarea și testarea programelor GPU cu ajutorul unor instrumente precum CodeXL, CUDA-GDB, CUDA-MEMCHECK și NVIDIA Nsight.
• Optimizarea programelor GPU utilizând tehnici precum coalescența, caching, prefetching și profilarea.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător și intermediar care doresc să utilizeze diferite cadre de lucru pentru programare GPU și să compare caracteristicile, performanța și compatibilitatea acestora.

La sfârșitul acestui curs de formare, participanții vor putea să:

• Să configureze un mediu de dezvoltare care include OpenCL SDK, CUDA Toolkit, platforma ROCm, un dispozitiv care acceptă OpenCL, CUDA sau ROCm și Visual Studio Cod.
• Să creeze un program de bază GPU care efectuează adunarea vectorială utilizând OpenCL, CUDA și ROCm și să compare sintaxa, structura și execuția fiecărui cadru.
• Utilizați API-urile respective pentru a interoga informații despre dispozitiv, pentru a aloca și a dezaloca memoria dispozitivului, pentru a copia date între gazdă și dispozitiv, pentru a lansa nuclee și pentru a sincroniza fire de execuție.
• Utilizați limbajele respective pentru a scrie nuclee care se execută pe dispozitiv și manipulează date.
• Să utilizeze funcțiile, variabilele și bibliotecile încorporate respective pentru a efectua sarcini și operații comune.
• Utilizați spațiile de memorie respective, cum ar fi cele globale, locale, constante și private, pentru a optimiza transferurile de date și accesările de memorie.
• Utilizați modelele de execuție respective pentru a controla firele, blocurile și grilele care definesc paralelismul.
• Depanarea și testarea programelor GPU cu ajutorul unor instrumente precum CodeXL, CUDA-GDB, CUDA-MEMCHECK și NVIDIA Nsight.
• Optimizarea programelor GPU utilizând tehnici precum coalescența, caching, prefetching și profilarea.

CloudMatrix este platforma unificată de dezvoltare și implementare AI a lui Huawei, concepută pentru a susține canalele de inferență la scară produs.

Acest training în direct (online sau presencial) se adresează profesionistilor AI cu niveluri de începător până la intermediar care doresc să implementeze și să monitorizeze modelele AI folosind platforma CloudMatrix cu integrarea CANN și MindSpore.

La sfârșitul acestui training, participanții vor putea:

• Să utilizeze CloudMatrix pentru ambalarea, implementarea și servirea modelelor.
• Să convertesc și optimizăm modelele pentru chipseturile Ascend.
• Să configureze canale pentru sarcinile de inferență în timp real și în loturi.
• Să monitorizeze implementările și să tuneze performanța în setările de producție.

Format al cursului

• Lecții interactive și discuții.
• Utilizarea practică a lui CloudMatrix cu scenarii reale de implementare.
• Exerciții guiți care se concentrează pe conversie, optimizare și scalare.

Opțiuni pentru personalizarea cursului

• Pentru a solicita un training personalizat bazat pe infrastructura AI sau mediul cloud al dumneavoastră, vă rugăm să ne contactați pentru a organiza acest lucru.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător și intermediar care doresc să instaleze și să utilizeze ROCm pe Windows pentru a programa AMD GPUs și a exploata paralelismul acestora.

La sfârșitul acestui curs de instruire, participanții vor fi capabili să:

• Să configureze un mediu de dezvoltare care include platforma ROCm, un AMD GPU și un cod Visual Studio pe Windows.
• Să creeze un program ROCm de bază care să efectueze adunarea vectorială pe GPU și să recupereze rezultatele din memoria GPU.
• Utilizați API ROCm pentru a interoga informații despre dispozitiv, pentru a aloca și a dezaloca memoria dispozitivului, pentru a copia date între gazdă și dispozitiv, pentru a lansa nuclee și pentru a sincroniza fire de execuție.
• Utilizați limbajul HIP pentru a scrie nuclee care se execută pe GPU și manipulează date.
• Utilizați funcțiile, variabilele și bibliotecile integrate HIP pentru a efectua sarcini și operații comune.
• Utilizați spațiile de memorie ROCm și HIP, cum ar fi spațiile de memorie globală, partajată, constantă și locală, pentru a optimiza transferurile de date și accesările de memorie.
• Utilizarea modelelor de execuție ROCm și HIP pentru a controla firele, blocurile și grilele care definesc paralelismul.
• Depanarea și testarea programelor ROCm și HIP cu ajutorul unor instrumente precum ROCm Debugger și ROCm Profiler.
• Optimizarea programelor ROCm și HIP utilizând tehnici precum coalescența, caching, prefetching și profilarea.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător și intermediar care doresc să utilizeze ROCm și HIP pentru a programa AMD GPUs și a exploata paralelismul acestora.

La sfârșitul acestui curs de instruire, participanții vor fi capabili să:

• Să configureze un mediu de dezvoltare care include platforma ROCm, un AMD GPU și un cod Visual Studio.
• Să creeze un program ROCm de bază care să efectueze adunarea vectorială pe GPU și să recupereze rezultatele din memoria GPU.
• Utilizați API ROCm pentru a interoga informații despre dispozitiv, pentru a aloca și a dezaloca memoria dispozitivului, pentru a copia date între gazdă și dispozitiv, pentru a lansa nuclee și pentru a sincroniza fire de execuție.
• Utilizați limbajul HIP pentru a scrie nuclee care se execută pe GPU și manipulează date.
• Utilizați funcțiile, variabilele și bibliotecile integrate HIP pentru a efectua sarcini și operații comune.
• Utilizați spațiile de memorie ROCm și HIP, cum ar fi spațiile de memorie globală, partajată, constantă și locală, pentru a optimiza transferurile de date și accesările de memorie.
• Utilizarea modelelor de execuție ROCm și HIP pentru a controla firele, blocurile și grilele care definesc paralelismul.
• Depanarea și testarea programelor ROCm și HIP cu ajutorul unor instrumente precum ROCm Debugger și ROCm Profiler.
• Optimizarea programelor ROCm și HIP utilizând tehnici precum coalescența, caching, prefetching și profilarea.

Ascend, Biren și Cambricon sunt platforme hardware de IA lider în China, oferind fiecare instrumente unice de accelerare și profilare pentru sarcinile AI la scară de producție.

Acest antrenament live, sub conducerea instruirei (online sau pe locație), se adresează inginerilor avansați de infrastructură AI și performanță care dorește optimizarea fluxurilor de lucru pentru inferența și antrenarea modelelor pe mai multe platforme de chipuri AI chinezești.

La sfârșitul acestui antrenament, participantii vor putea:

• Benchmark-a modelle pe platformele Ascend, Biren și Cambricon.
• Identifica bocanci de sistem și ineficiențe la nivelul memoriei/sursei de calcul.
• Aplica optimizări la nivelul graficului, nucleului și operatorului.
• Tuneaza pipeline-urile de implementare pentru a îmbunătăți fluxul și întârzierile.

Format al cursului

• Lecții interactive și discuții.
• Utilizarea practică a instrumentelor de profilare și optimizare pe fiecare platformă.
• Exerciții guiți care se concentrează pe scenarii practice de tuneare.

Opțiuni pentru personalizarea cursului

• Pentru a solicita un antrenament personalizat pentru acest curs în funcție de mediul dvs. de performanță sau tipul modelului, vă rugăm să ne contactați pentru a organiza.

Arhitecturile chinezești GPU, cum ar fi Huawei Ascend, Biren și Cambricon MLU, oferă alternative CUDA adaptate pentru piețele locale de AI și HPC.

Acest training live (online sau presencial), condus de un instrucțurator, se adresează programatorilor avansati și specialistilor infrastructurii care doresc să migreze și să optimizeze aplicațiile existente CUDA pentru a fi depozitate pe platformele hardware chinezești.

La sfârșitul acestui training, participanții vor putea:

• Evaluea compatibilitatea sarcinilor de lucru CUDA existente cu alternativele de chipuri chinezești.
• Migra bazile de cod CUDA către mediul Huawei CANN, Biren SDK și Cambricon BANGPy.
• Compara performanța și identifica punctele de optimizare pe mai multe platforme.
• Răspunde la provocările practice în sprijinul și depunerea multi-arhitectură.

Formatul cursului

• Lecții interactive și discuții.
• Laboratoare practice de traducere a codului și compararea performanței.
• Sesiuni guiâte cu accent pe strategiile de adaptare multi-GPU.

Opțiuni pentru personalizarea cursului

• Pentru a solicita un training personalizat bazat pe platforma sau proiectul CUDA dvs., vă rugăm să ne contactați pentru a organiza.

Această instruire live, condusă de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător până la mediu care doresc să utilizeze CUDA pentru a programa NVIDIA GPUs și a exploata paralelismul acestora.

Până la sfârșitul acestei formări, participanții vor fi capabili să:

• Configurați un mediu de dezvoltare care include CUDA Toolkit, un NVIDIA GPU și Visual Studio Code.
• Să creeze un program CUDA de bază care efectuează adunarea vectorială pe GPU și recuperează rezultatele din memoria GPU.
• Utilizați API-ul CUDA pentru a interoga informații despre dispozitiv, a aloca și a dezaloca memoria dispozitivului, a copia date între gazdă și dispozitiv, a lansa nuclee și a sincroniza fire de execuție.
• Utilizați limbajul CUDA C/C++ pentru a scrie kernels care se execută pe GPU și manipulează date.
• Utilizați funcțiile încorporate, variabilele și bibliotecile CUDA pentru a efectua sarcini și operațiuni comune.
• Utilizați spațiile de memorie CUDA, cum ar fi cele globale, partajate, constante și locale, pentru a optimiza transferurile de date și accesările de memorie.
• Utilizați modelul de execuție CUDA pentru a controla firele, blocurile și grilele care definesc paralelismul.
• Depanarea și testarea programelor CUDA utilizând instrumente precum CUDA-GDB, CUDA-MEMCHECK și NVIDIA Nsight.
• Optimizarea programelor CUDA folosind tehnici precum coalescing, caching, prefetching și profiling.

97% de clienți mulțumiți.

Huawei Ascend este o familie de procesatoare IA concepute pentru inferență și antrenament cu performanță ridicată.

Acest training guiț la distanță sau pe locație, este destinat inginerilor AI intermediari și științificilor ai datelor care doresc să dezvolte și să optimizeze modele de rețele neuronale folosind platforma Ascend a Huawei și cai-tookitul CANN.

La sfârșitul acestui training, participanții vor putea:

• Să configureze mediul de dezvoltare CANN.
• Să dezvolte aplicații AI folosind MindSpore și fluxurile CloudMatrix.
• Să optimizze performanța pe Ascend NPU-uri folosind operatori personalizați și tiling.
• Să distribuie modelele în mediul la bord sau cloud.

Format al cursului

• Lecții interactive și discuții.
• Folosirea practică a lui Huawei Ascend și cai-tookitul CANN în aplicații de exemplu.
• Exerciții guițe concentrându-se pe construirea, antrenarea și distribuirea modelului.

Opțiuni de personalizare a cursului

• Pentru a solicita un training personalizat bazat pe infrastructura sau seturile de date ale dumneavoastră, vă rugăm să ne contactați pentru a organiza acest lucru.

Biren AI Accelerators are high-performance GPUs designed for AI and HPC workloads with support for large-scale training and inference.

This instructor-led, live training (online or onsite) is aimed at intermediate-level to advanced-level developers who wish to program and optimize applications using Biren’s proprietary GPU stack, with practical comparisons to CUDA-based environments.

By the end of this training, participants will be able to:

• Understand Biren GPU architecture and memory hierarchy.
• Set up the development environment and use Biren’s programming model.
• Translate and optimize CUDA-style code for Biren platforms.
• Apply performance tuning and debugging techniques.

Format of the Course

• Interactive lecture and discussion.
• Hands-on use of Biren SDK in sample GPU workloads.
• Guided exercises focused on porting and performance tuning.

Course Customization Options

• To request a customized training for this course based on your application stack or integration needs, please contact us to arrange.

Cambricon MLUs (Machine Learning Unități) sunt chipuri AI specializate optimizate pentru inferență și antrenament în scenarii la marginea rețelei și în centre de date.

Acest training live, condus de un instrucțurator (online sau pe locație), se adresează dezvoltatorilor cu nivel intermediar care doresc să construiască și să deployeze modele AI folosind cadrul BANGPy și SDK-ul Neuware pe hardware Cambricon MLU.

La sfârșitul acestui training, participanții vor putea:

• Să configureze mediile de dezvoltare pentru BANGPy și Neuware.
• Să dezvolte și să optimizeze modele bazate pe Python și C++ pentru Cambricon MLUs.
• Să deployeze modelele la dispozitive de margine sau centre de date care rulează runtime-ul Neuware.
• Să integreze fluxurile de lucru AI cu caracteristici specifice de accelerare MLU.

Formatul cursului

• Lecții interactive și discuții.
• Utilizarea practică a BANGPy și Neuware pentru dezvoltare și deploy.
• Exerciții guiite cu accent pe optimizare, integrare și testare.

Opțiuni de personalizare a cursului

• Pentru a solicita un training personalizat pentru acest curs bazat pe modelul dispozitivului Cambricon sau scenariul dumneavoastră, vă rugăm să ne contactați pentru a organiza.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează administratorilor de sistem și profesioniștilor IT începători care doresc să instaleze, să configureze, să gestioneze și să depaneze mediile CUDA.

La sfârșitul acestui curs de formare, participanții vor putea să:

• Să înțeleagă arhitectura, componentele și capacitățile CUDA.
• Să instaleze și să configureze mediile CUDA.
• Să gestioneze și să optimizeze resursele CUDA.
• să depaneze și să rezolve problemele comune CUDA.

Acest curs de instruire live, condus de un instructor în România (online sau la fața locului) se adresează dezvoltatorilor de nivel începător și intermediar care doresc să utilizeze OpenCL pentru a programa dispozitive eterogene și a exploata paralelismul acestora.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Să configureze un mediu de dezvoltare care include OpenCL SDK, un dispozitiv care suportă OpenCL și Visual Studio Code.
• Să creeze un program de bază OpenCL care să efectueze adunarea vectorială pe dispozitiv și să recupereze rezultatele din memoria dispozitivului.
• Utilizați OpenCL API pentru a interoga informații despre dispozitiv, a crea contexte, cozi de comenzi, tampoane, nuclee și evenimente.
• Utilizarea limbajului OpenCL C pentru a scrie nuclee care se execută pe dispozitiv și manipulează date.
• Utilizarea OpenCL a funcțiilor încorporate, a extensiilor și a bibliotecilor pentru a efectua sarcini și operații comune.
• Să utilizeze OpenCL modelele de memorie ale gazdei și dispozitivului pentru a optimiza transferurile de date și accesările de memorie.
• Utilizați modelul de execuție OpenCL pentru a controla elementele de lucru, grupurile de lucru și domeniile ND.
• Depanarea și testarea programelor OpenCL utilizând instrumente precum CodeXL, Intel VTune și NVIDIA Nsight.
• Optimizarea programelor OpenCL utilizând tehnici precum vectorizarea, derularea buclelor, memoria locală și profilarea.

Acest training dirijat de instrucțurator în timp real (online sau presential) este destinat dezvoltatorilor cu cunoștințe intermediare care dorească să folosească CUDA pentru a construi aplicații Python care rulează în paralel pe NVIDIA GPU.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Utilizeze compilatorul Numba pentru a accelera aplicațiile Python care rulează pe plăcile NVIDIA GPU.
• Creeze, compileze și lanseze kernel-uri CUDA personalizate.
• Gestioneze memoria GPU.
• Convertească o aplicație bazată pe CPU într-o aplicație accelerată de GPU.

Acest curs de instruire live, condus de un instructor, în România acoperă modul de programare a GPUs pentru calcul paralel, cum se utilizează diverse platforme, cum se lucrează cu platforma CUDA și caracteristicile acesteia și cum se realizează diverse tehnici de optimizare cu ajutorul CUDA. Unele dintre aplicații includ învățarea profundă, analiza, procesarea imaginilor și aplicațiile inginerești.