Kontakt aufnehmen

Schulungsübersicht

Einführung in die Biren GPU-Architektur

  • Überblick über Biren und Anwendungsfälle
  • Hardwarelayout: Kerne, Speicher, Rechencluster
  • Vergleich mit NVIDIA- und AMD-GPUs

Einrichten der Biren Programmierumgebung

  • Installation von Biren SDK und Laufzeitumgebung
  • Verständnis des Toolchains- und Compilermodells
  • Grundlegende Projektstruktur und Build-Prozess

GPU-Programmierung mit dem Biren Stack

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

Portierung von CUDA nach Biren

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

Fehlersuche und Profiling

  • Nutzung des Biren-Debuggers und -Profiling-Tools
  • Identifizierung von Engpässen
  • Speicherzugriffsmuster und Optimierung

Optimierungstechniken

  • Thread-Scheduling und Befehlspipelining
  • Loop-Unrolling und Nutzung von Shared Memory
  • Fortgeschrittenes Kernel-Tuning für Durchsatz

Fallstudie und Anwendungsbeispiele

  • Training eines Modells mit Biren-Beschleunigern
  • Portierung und Profiling eines Vision- oder NLP-Modells
  • Vergleich der Leistung im Vergleich zu CUDA/NVIDIA

Zusammenfassung und nächste Schritte

Voraussetzungen

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

Zielgruppe

  • HPC-Entwickler:innen
  • KI-Infrastruktur-Ingenieur:innen
  • Spezialist:innen für Leistungsanpassung
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien