Kontakt aufnehmen
 Dauer 21 Stunden

Schulungsübersicht

Einführung in die Biren-GPU-Architektur

  • Überblick über Biren und Anwendungsfälle
  • Hardwareaufbau: Kerne, Speicher, Compute-Cluster
  • Vergleich mit GPUs von NVIDIA und AMD

Einrichtung der Biren-Programmierungsumgebung

  • Installation von Biren-SDK und Runtime
  • Verständnis des Toolchains und des Compiler-Modells
  • Grundlegende Projektstruktur und Build-Prozess

GPU-Programmierung mit dem Biren-Stack

  • Thread- und Blockmodelle
  • Speicherverwaltung und Datentransfers
  • Kernel-Entwicklung und Startmuster

Portierung von CUDA zu Biren

  • Übersetzungstechniken für CUDA-Code
  • Häufige API-Zuordnungen und Anpassungen
  • Code-Konversionslabore und Übungen

Fehlersuche und Profiling

  • Nutzung von Birens Debugger und Profiler
  • Identifizierung von Flaschenhälsen
  • Speicherzugriffsmuster und Optimierung

Optimierungstechniken

  • Thread-Scheduling und Instruction-Pipelining
  • Loop-Unrolling und Nutzung von Shared Memory
  • Fortgeschrittene Kernel-Anpassung für die Durchsatzleistung

Fallstudie und Anwendungsbeispiele

  • Training eines Modells mit Biren-Acceleratoren
  • Portierung und Profiling eines Computer-Vision- oder NLP-Modells
  • Vergleich der Leistung gegenüber CUDA/NVIDIA

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundverständnis der GPU-Architektur und parallelen Verarbeitung
  • Erfahrung mit CUDA, OpenCL oder ähnlichen GPU-Programmierungsumgebungen
  • Vertrautheit mit Deep-Learning-Frameworks wie PyTorch oder TensorFlow

Zielgruppe

  • HPC-Entwickler
  • KI-Infrastruktur-Ingenieure
  • Spezialisten für Leistungsanpassung

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien