Kontakt aufnehmen

Schulungsübersicht

Einführung in die Biren GPU-Architektur

  • Überblick über Biren und Anwendungsfälle
  • Hardware-Layout: Kerne, Speicher, Compute-Clusters
  • Vergleich mit NVIDIA- und AMD-GPUs

Einrichten der Biren-Programmierumgebung

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

GPU-Programmierung mit dem Biren-Stack

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

Portierung von CUDA nach Biren

  • Übersetzungstechniken für CUDA-Code
  • Häufige API-Zuordnungen und Anpassungen
  • Codekonversionslabore und Praxis

Fehlersuche und Profiling

  • Nutzung des Biren-Debuggers und Profilings
  • Identifikation von Engpässen
  • Speicherzugriffsmuster und Optimierung

Optimierungstechniken

  • Thread-Planung und Instruktion-Pipelining
  • Entschlung von Schleifen und Nutzung des Shared Memory
  • Fortgeschrittene Kernel-Tuning für Durchsatz

Fallstudie und Anwendungsbeispiele

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

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundverständnis von GPU-Architektur und Parallelverarbeitung
  • Erfahrung mit CUDA, OpenCL oder ähnlichen GPU-Programmumgebungen
  • Vertrautheit mit Deep-Learning-Frameworks wie PyTorch oder TensorFlow

Zielgruppe

  • HPC-Entwickler
  • Ingenieure für KI-Infrastruktur
  • Spezialisten für Leistungsoptimierung
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien