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.
Dauer 21 Stunden
Schulungsübersicht
Übersicht über das Ökosystem für chinesische KI-GPUs
- Vergleich von Huawei Ascend, Biren und Cambricon MLU
- CUDA im Vergleich zu CANN, Biren SDK und BANGPy-Modellen
- Branchentrends und Anbieter-Ökosysteme
Vorbereitung der Migration
- Bewertung Ihrer CUDA-Codebasis
- Identifizierung der Zielpfade und SDK-Versionen
- Installation der Toolchain und Einrichtung der Umgebung
Techniken der Codeübersetzung
- Portierung des CUDA-Speicherzugriffs und der Kernlogik
- Abbilden der Compute-Grid-/Thread-Modelle
- Automatisierte und manuelle Übersetzungsoptionen
Plattformspezifische Implementierungen
- Nutzung von Huawei-CANN-Operatoren und benutzerdefinierten Kernen
- Konvertierungspipeline des Biren SDK
- Neuaufbau von Modellen mit BANGPy (Cambricon)
Testing und Optimierung über Plattformen hinweg
- Profilierung der Ausführung auf jeder Zielpfade
- Anpassung des Speichers und Vergleich paralleler Ausführungen
- Leistungsverfolgung und Iteration
Verwaltung gemischter GPU-Umgebungen
- Hybride Bereitstellungen mit mehreren Architekturen
- Fallback-Strategien und Geräteerkennung
- Abstraktionsschichten für die Wartbarkeit des Codes
Fallstudien und bewährte Praktiken
- Portierung von Vision-/NLP-Modellen auf Ascend oder Cambricon
- Nachrüstung von Inferenz-Pipelines auf Biren-Clustern
- Bewältigung von Versionsmismatches und API-Lücken
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung in der Programmierung mit CUDA oder GPU-basierten Anwendungen
- Verständnis der GPU-Speichermodelle und Compute-Kerne
- Vertrautheit mit Workflows zur Bereitstellung oder Beschleunigung von KI-Modellen
Zielgruppe
- GPU-Programmierer
- Systemarchitekten
- Portierungs-Spezialisten
