Prenez contact avec nous
 Durée 21 heures

Plan du cours

Introduction à l'architecture GPU de Biren

  • Présentation de Biren et cas d'utilisation
  • Disposition matérielle : cœurs, mémoire, clusters de calcul
  • Comparaison avec les GPU NVIDIA et AMD

Configuration de l'environnement de programmation Biren

  • Installation du SDK et du runtime Biren
  • Comprendre la chaîne d'outils et le modèle de compilation
  • Structure de base du projet et processus de construction

Programmation GPU avec la pile Biren

  • Modèles de threads et de blocs
  • Gestion de la mémoire et transferts de données
  • Développement de noyaux et motifs de lancement

Transplantation depuis CUDA vers Biren

  • Techniques de transposition du code CUDA
  • Mappings et adaptations d'API courants
  • Ateliers de conversion de code et pratique

Débogage et profilage

  • Utilisation du débogueur et du profiteur Biren
  • Identification des goulots d'étranglement
  • Motifs d'accès à la mémoire et optimisation

Techniques d'optimisation

  • Planification des threads et pipelining des instructions
  • Déroulement des boucles et utilisation de la mémoire partagée
  • Réglage avancé des noyaux pour le débit

Étude de cas et exemples d'application

  • Entraînement d'un modèle avec les accélérateurs Biren
  • Transplantation et profilage d'un modèle de vision ou de NLP
  • Comparaison des performances par rapport à CUDA/NVIDIA

Résumé et prochaines étapes

Pré requis

  • Une compréhension de l'architecture GPU et du traitement parallèle
  • De l'expérience avec CUDA, OpenCL ou des environnements de programmation GPU similaires
  • Une familiarité avec des cadres d'apprentissage profond tels que PyTorch ou TensorFlow

Public cible

  • Développeurs HPC
  • Ingénieurs en infrastructure IA
  • Spécialistes de l'optimisation des performances

Nombre de participants


Prix par participant

Nos clients témoignent (2)

Cours à venir

Catégories Similaires