南京GPU培训

本次由讲师指导的培训在南京（线上或线下）进行，面向初级到中级开发者，他们希望使用OpenACC编程异构设备并利用其并行性。

培训结束后，参与者将能够：

• 搭建OpenACC开发环境。
• 编写并运行一个基础的OpenACC程序。
• 使用OpenACC指令和子句注释代码。
• 使用OpenACC API和库。
• 对OpenACC程序进行性能分析、调试和优化。

这种以讲师为主导的南京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。

本次由讲师指导的培训在南京（线上或线下）面向初学者到中级开发者，旨在帮助他们使用不同的GPU编程框架，并比较其特性、性能和兼容性。

培训结束后，参与者将能够：

• 设置包含OpenCL SDK、CUDA Toolkit、ROCm平台、支持OpenCL、CUDA或ROCm的设备以及Visual Studio Code的开发环境。
• 使用OpenCL、CUDA和ROCm创建一个执行向量加法的基本GPU程序，并比较每个框架的语法、结构和执行方式。
• 使用各自的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、启动内核并同步线程。
• 使用各自的语言编写在设备上执行并操作数据的内核。
• 使用各自的内置函数、变量和库来执行常见任务和操作。
• 使用各自的内存空间（如全局、本地、常量和私有）来优化数据传输和内存访问。
• 使用各自的执行模型来控制定义并行性的线程、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。

这种以讲师为主导的南京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南京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。

这个由 讲师指导的 南京 现场现场培训（在线或现场）面向希望使用 CUDA 对 NVIDIA GPU 进行程式设计并利用其并行性的初级到中级开发人员。

在本次培训结束时，参与者将能够：

• 设置一个开发环境，其中包括 CUDA 工具包、NVIDIA GPU 和 Visual Studio 代码。
• 创建一个基本的 CUDA 程式，该程式在 GPU 上执行向量加法并从 GPU 记忆体中检索结果。
• 使用 CUDA API 查询设备资讯、分配和释放设备记忆体、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 上执行并操作数据的内核。
• 使用 CUDA 内建函数、变数和库来执行常见任务和操作。
• 使用 CUDA 记忆体空间（例如全域、共用、常量和本地）来优化数据传输和记忆体访问。
• 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 程式。
• 使用合并、缓存、预取和分析等技术优化 CUDA 程式。

97% de clients satisfaits. 

这种由讲师指导的现场培训 南京（在线或远程）面向希望安装、配置、管理和排除 CUDA 环境故障的初级系统管理员和 IT 专业人员。

在培训结束时，参与者将能够：

• 了解 CUDA 的架构、组件和功能。
• 安装和配置 CUDA 环境。
• 管理和优化 CUDA 资源。
• 调试和排查常见的 CUDA 问题。

本课程由讲师主导，提供南京（线上或线下）培训，面向希望使用OpenCL编程异构设备并利用其并行性的初级到中级开发者。

通过本培训，学员将能够：

• 设置开发环境，包括OpenCL SDK、支持OpenCL的设备和Visual Studio Code。
• 创建一个基本的OpenCL程序，在设备上执行向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、扩展和库执行常见任务和操作。
• 使用OpenCL主机和设备内存模型优化数据传输和内存访问。
• 使用OpenCL执行模型控制工作项、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。
• 使用向量化、循环展开、局部内存和性能分析等技术优化OpenCL程序。

此讲师主导的现场直播培训在南京（线上或线下）举办，旨在帮助希望利用CUDA来加速应用程序、编写高性能GPU内核并利用并行算法库进行科学计算、数据处理及机器学习工作的C++开发者。

这项在南京开展的由讲师主导的直播培训（线上或线下），面向希望使用CUDA加速计算密集型应用的C/C++开发人员，涉及数据处理、科学模拟、机器学习工作负载及图像处理流水线等场景。

南京 中的讲师指导实时培训（线上或线下）面向希望使用 TensorFlow 2.x 和 Keras 构建、训练并部署用于计算机视觉、自然语言处理和跨模态应用的深度学习模型的软件开发人员、数据分析师和技术专业人员。

这个由讲师指导的 南京 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。