Administration of CUDA培训

这种以讲师为主导的中国现场现场培训面向希望使用CUDA 构建在NVIDIA GPU上并行运行的Python应用程序的开发人员。

在培训结束时，参与者将能够：

• 使用 Numba 编译器加速在 NVIDIA GPU 上运行的 Python 应用程序。
• 创建、编译和启动自定义 CUDA 内核。
• 管理 GPU 内存。
• 将基于 CPU 的应用程序转换为 GPU 加速的应用程序。

这种以讲师为主导的中国现场现场培训面向希望使用ROCm和HIP对AMD GPU进行编程并利用其并行性的初级到中级开发人员。

在培训结束时，参与者将能够：

• 设置包含 ROCm 平台、AMD GPU 和 Visual Studio 代码的开发环境。
• 创建一个基本的 ROCm 程序，该程序对 GPU 执行向量加法并从 GPU 存储器中检索结果。
• 使用 ROCm API 查询设备信息、分配和释放设备内存、在主机和设备之间复制数据、启动内核和同步线程。
• 使用 HIP 语言编写在 GPU 上执行的内核并操作数据。
• 使用 HIP 内置函数、变量和库来执行常见任务和操作。
• 使用 ROCm 和 HIP 内存空间（如全局、共享、常量和本地）来优化数据传输和内存访问。
• 使用 ROCm 和 HIP 执行模型来控制定义并行度的线程、块和网格。
• 使用 ROCm Debugger 和 ROCm Profiler 等工具调试和测试 ROCm 和 HIP 程序。
• 使用合并、缓存、预取和分析等技术优化 ROCm 和 HIP 程序。

This course covers how to program GPUs for parallel computing. Some of the applications include deep learning, analytics, and engineering applications.

这种以讲师为主导的中国现场现场培训针对的是希望学习GPU编程基础知识以及开发GPU应用程序的主要框架和工具的初级到中级开发人员。

• 在培训结束时，参与者将能够：
  了解 CPU 和 GPU 计算之间的区别以及 GPU 编程的好处和挑战。
• 为他们的 GPU 应用程序选择正确的框架和工具。
• 创建一个基本的 GPU 程序，该程序使用一个或多个框架和工具执行向量加法。
• 使用相应的 API、语言和库来查询设备信息、分配和解除分配设备内存、在主机和设备之间复制数据、启动内核以及同步线程。
• 使用相应的内存空间（如全局、本地、常量和专用）来优化数据传输和内存访问。
• 使用相应的执行模型（如工作项、工作组、线程、块和网格）来控制并行度。
• 使用 CodeXL 、 CUDA-GDB 、 CUDA-MEMCHECK 和 NVIDIA Nsight 等工具调试和测试 GPU 程序。
• 使用合并、缓存、预取和分析等技术优化 GPU 程序。

这种以讲师为主导的中国现场现场培训（现场或远程）面向希望使用CUDA对NVIDIA GPU进行编程并利用其并行性的初级到中级开发人员。

在培训结束时，参与者将能够：

• 设置包含 CUDA 工具包、NVIDIA GPU 和 Visual Studio 代码的开发环境。
• 创建一个基本的 CUDA 程序，该程序对 GPU 执行向量加法并从 GPU 内存中检索结果。
• 使用 CUDA API 查询设备信息、分配和释放设备内存、在主机和设备之间复制数据、启动内核和同步线程。
• 使用 CUDA C/C++ 语言编写在 GPU 上执行的内核并操作数据。
• 使用 CUDA 内置函数、变量和库来执行常见任务和操作。
• 使用 CUDA 内存空间（例如全局、共享、常量和本地）来优化数据传输和内存访问。
• 使用 CUDA 执行模型来控制定义并行度的线程、块和网格。
• 使用 CUDA-GDB、CUDA-MEMCHECK 和 NVIDIA Nsight 等工具调试和测试 CUDA 程序。
• 使用合并、缓存、预取和分析等技术优化 CUDA 程序。

这种由讲师指导的现场培训中国（在线或远程）面向希望使用 OpenACC 对异构设备进行编程并利用其并行性的初级到中级开发人员。

在培训结束时，参与者将能够：

• 设置一个开发环境，其中包含 OpenACC SDK、支持 OpenACC 的设备和 Visual Studio 代码。
• 创建一个基本的 OpenACC 程序，用于在设备上执行向量加法并从设备内存中检索结果。
• 使用 OpenACC 指令和子句对代码进行注释，并指定并行区域、数据移动和优化选项。
• 使用 OpenACC API 查询设备信息、设置设备编号、处理错误和同步事件。
• 使用 OpenACC 库和互操作性功能将 OpenACC 与其他编程模型（如 CUDA、OpenMP 和 MPI）集成。
• 使用 OpenACC 工具分析和调试 OpenACC 程序，并确定性能瓶颈和机会。
• 使用数据局部性、循环融合、内核融合和自动调优等技术优化 OpenACC 程序。

这种以讲师为主导的中国现场培训（现场或远程）面向希望使用OpenCL对异构设备进行编程并利用其并行性的初级到中级开发人员。

在培训结束时，参与者将能够：

• 设置包含 OpenCL SDK、支持 OpenCL 和 Visual Studio 代码的设备的开发环境。
• 创建一个基本的 OpenCL 程序，该程序在设备上执行矢量加法并从设备内存中检索结果。
• 使用 OpenCL API 查询设备信息、创建上下文、命令队列、缓冲区、内核和事件。
• 使用 OpenCL C 语言编写在设备上执行并操作数据的内核。
• 使用 OpenCL 内置函数、扩展和库来执行常见任务和操作。
• 使用 OpenCL 主机和设备内存模型来优化数据传输和内存访问。
• 使用 OpenCL 执行模型来控制工作项、工作组和 ND 范围。
• 使用 CodeXL、Intel VTune 和 NVIDIA Nsight 等工具调试和测试 OpenCL 程序。
• 使用矢量化、循环展开、本地内存和分析等技术优化 OpenCL 程序。

这种以讲师为主导的中国现场现场培训针对的是希望使用不同框架进行GPU编程并比较其功能，性能和兼容性的初级到中级开发人员。

在培训结束时，参与者将能够：

• 设置一个开发环境，其中包括 OpenCL SDK、CUDA 工具包、ROCm 平台、支持 OpenCL、CUDA 或 ROCm 的设备以及 Visual Studio 代码。
• 创建一个基本的 GPU 程序，使用 OpenCL、CUDA 和 ROCm 执行向量加法，并比较每个框架的语法、结构和执行。
• 使用相应的 API 查询设备信息、分配和释放设备内存、在主机和设备之间复制数据、启动内核以及同步线程。
• 使用相应的语言编写在设备上执行的内核并操作数据。
• 使用相应的内置函数、变量和库来执行常见任务和操作。
• 使用相应的内存空间（如全局、本地、常量和专用）来优化数据传输和内存访问。
• 使用相应的执行模型来控制定义并行度的线程、块和网格。
• 使用 CodeXL 、 CUDA-GDB 、 CUDA-MEMCHECK 和 NVIDIA Nsight 等工具调试和测试 GPU 程序。
• 使用合并、缓存、预取和分析等技术优化 GPU 程序。

这个由讲师指导的 中国 现场培训课程涵盖了如何为并行计算编程 GPU、 如何使用各种平台、如何使用 CUDA 平台及其功能，以及如何使用 CUDA 执行各种优化技术。其中一些应用包括深度学习、分析、图像处理和工程应用。

这种以讲师为主导的中国现场现场培训面向希望在Windows上安装和使用ROCm以编程AMD GPU并利用其并行性的初级到中级开发人员。

在培训结束时，参与者将能够：

• 在 Windows 上设置包含 ROCm 平台、AMD GPU 和 Visual Studio 代码的开发环境。
• 创建一个基本的 ROCm 程序，该程序对 GPU 执行向量加法并从 GPU 存储器中检索结果。
• 使用 ROCm API 查询设备信息、分配和释放设备内存、在主机和设备之间复制数据、启动内核和同步线程。
• 使用 HIP 语言编写在 GPU 上执行的内核并操作数据。
• 使用 HIP 内置函数、变量和库来执行常见任务和操作。
• 使用 ROCm 和 HIP 内存空间（如全局、共享、常量和本地）来优化数据传输和内存访问。
• 使用 ROCm 和 HIP 执行模型来控制定义并行度的线程、块和网格。
• 使用 ROCm Debugger 和 ROCm Profiler 等工具调试和测试 ROCm 和 HIP 程序。
• 使用合并、缓存、预取和分析等技术优化 ROCm 和 HIP 程序。

这种以讲师为主导的中国现场培训（现场或远程）面向希望构建硬件加速对象检测和跟踪模型以分析流视频数据的开发人员。

在培训结束时，参与者将能够：

• 安装和配置必要的开发环境、软件和库以开始开发。
• 构建、训练和部署深度学习模型以分析实时视频源。
• 识别、跟踪、分割和预测视频帧中的不同对象。
• 优化目标检测和跟踪模型。
• 部署智能视频分析 （IVA） 应用程序。