Kontakt aufnehmen

Schulungsübersicht

Einführung

Grundlagen der heterogenen Computing-Methodik verstehen

Warum Parallel Computing? Erfordernis des parallelen Rechnens verstehen

Multicore-Prozessoren – Architektur und Design

Einführung in Threads: Grundlagen und zentrale Konzepte der parallelen Programmierung

Grundlagen der GPU-Softwareoptimierung verstehen

OpenMP – ein Standard für richtungsorientierte parallele Programmierung

Praktische Demonstration verschiedener Programme auf Multicore-Rechnern

Einführung in GPU Computing

GPUs für Parallel Computing

GPU-Programmierungsmodell

Praktische Demonstration verschiedener Programme auf GPUs

SDK, Toolkit und Installation der Umgebung für GPUs

Arbeit mit verschiedenen Bibliotheken

Demonstration von GPUs und Tools anhand von Beispielprogrammen und OpenACC

Das CUDA-Programmierungsmodell verstehen

CUDA-Architektur erlernen

CUDA-Entwicklungsumgebungen erkunden und einrichten

Arbeit mit der CUDA Runtime API

Das CUDA-Speichermodell verstehen

Zusätzliche CUDA-API-Funktionen erkunden

Effizienter Zugriff auf den globalen Speicher in CUDA: Optimierung des globalen Speichers

Datenübertragungen in CUDA mit CUDA-Streams optimieren

Gemeinsamen Speicher (Shared Memory) in CUDA nutzen

Atematische Operationen und Anweisungen in CUDA verstehen und einsetzen

Praxisbeispiel: Grundlegende digitale Bildverarbeitung mit CUDA

Mult-GPU-Programmierung praktizieren

Fortschrittliche Hardware-Profilierung und Sampling auf NVIDIA / CUDA

Einsatz der CUDA Dynamic Parallelism API für dynamisches Kernel-Aufrufen

Zusammenfassung und Fazit

Voraussetzungen

  • C-Programmierung
  • Linux GCC
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (1)

Kommende Kurse

Verwandte Kategorien