Kontakt aufnehmen

Schulungsübersicht

Einführung in die Biren GPU-Architektur

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

Einrichtung der Biren Programmierumgebung

  • Installation des Biren SDK und der Laufzeitumgebung
  • Verständnis der Toolchain und des Compiler-Modells
  • Grundlegende Projektstruktur und Build-Prozess

GPU-Programmierung mit dem Biren Stack

  • Thread- und Blockmodelle
  • Speichermanagement und Datentransfers
  • Kernel-Entwicklung und Startmuster

Portierung von CUDA zu Biren

  • Techniken zur Übertragung von CUDA-Code
  • Gängige API-Mappings und Anpassungen
  • Labore und Übungen zur Codekonvertierung

Fehlersuche und Profiling

  • Nutzung des Biren-Debuggers und Profilers
  • Identifikation von Engpässen
  • Speicherzugriffs muster und Optimierung

Optimierungstechniken

  • Thread-Scheduling und Instruction Pipelining
  • Loop Unrolling und Nutzung des Shared Memory
  • Fortgeschrittenes Kernel-Tuning für den Durchsatz

Fallstudie und Anwendungsbeispiele

  • Training eines Modells mit Biren-Beschleunigern
  • Portierung und Profiling eines Vision- oder NLP-Modells
  • Leistungsvergleich mit CUDA/NVIDIA

Zusammenfassung und weitere Schritte

Voraussetzungen

  • Grundlegende Kenntnisse der GPU-Architektur und parallelen Verarbeitung
  • Erfahrung mit CUDA, OpenCL oder ähnlichen GPU-Programmierungsumgebungen
  • Vertrautheit mit Deep-Learning-Frameworks wie PyTorch oder TensorFlow

Zielgruppe

  • HPC-Entwickler
  • KI-Infrastrukturingenieure
  • Spezialisten für Leistungsoptimierung
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien