Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Überblick über die chinesische AI-GPU-Landschaft
- Vergleich von Huawei Ascend, Biren, Cambricon MLU
- CUDA im Vergleich zu CANN, Biren SDK und BANGPy-Modellen
- Branchentrends und Vendor-Ökosysteme
Vorbereitung auf die Migration
- Bewertung Ihrer CUDA-Codebasis
- Identifizierung der Zielplattformen und SDK-Versionen
- Installation der Toolchain und Umgebungseinrichtung
Techniken zur Code-Übersetzung
- Portierung von CUDA-Speicherzugriffen und Kernel-Logik
- Abbildung des Compute-Grid/Thread-Modells
- Automatisierte versus manuelle Übersetzungsoptionen
Plattform-spezifische Implementierungen
- Nutzung von Huawei CANN-Operatoren und benutzerdefinierten Kernels
- Biren SDK-Konvertierungspipeline
- Neuaufbau von Modellen mit BANGPy (Cambricon)
Plattformübergreifendes Testen und Optimieren
- Profiling der Ausführung auf jeder Zielplattform
- Speicher-Tuning und Vergleiche der parallelen Ausführung
- Leistungsüberwachung und Iteration
Verwaltung von gemischten GPU-Umgebungen
- Hybride Bereitstellungen mit mehreren Architekturen
- Fallback-Strategien und Geräteerkennung
- Abstraktionsschichten für die Code-Wartbarkeit
Fallstudien und Best Practices
- Portierung von Vision-/NLP-Modellen auf Ascend oder Cambricon
- Nachrüstung von Inferenz-Pipelines auf Biren-Clustern
- Umgang mit Versionsunterschieden und API-Lücken
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung in der Programmierung mit CUDA oder GPU-basierten Anwendungen
- Verständnis von GPU-Speichermodellen und Compute-Kernels
- Vertrautheit mit Arbeitsabläufen zur Bereitstellung oder Beschleunigung von KI-Modellen
Zielgruppe
- GPU-Programmierer
- Systemarchitekten
- Spezialisten für Portierungen
21 Stunden
