Kontakt aufnehmen

Schulungsübersicht

Einführung in die Biren GPU-Architektur

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

Einrichtung der Biren-Programmierungsumgebung

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

GPU-Programmierung mit dem Biren-Stack

  • Thread- und Blockmodelle
  • Speicherverwaltung und Datentransfers
  • Kernel-Entwicklung und Startmuster (Launch Patterns)

Portierung von CUDA zu Biren

  • Übersetzungstechniken für CUDA-Code
  • Gemeinsame API-Zuordnungen und Anpassungen
  • Labore und Übungen zur Code-Konvertierung

Debugging und Profiling

  • Verwendung des Biren-Debuggers und Profilers
  • Identifizierung von Engpässen (Bottlenecks)
  • Speicherzugriffsmuster und Optimierung

Optimierungstechniken

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

Fallstudie und Anwendungsbeispiele

  • Training eines Modells mit Biren-Acceleratoren
  • Portierung und Profiling eines Vision- oder NLP-Modells
  • Performance-Vergleich mit CUDA/NVIDIA

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis von GPU-Architektur und paralleler Verarbeitung
  • Erfahrung mit CUDA, OpenCL oder ähnlichen GPU-Programmierungsumgebungen
  • Vertrautheit mit Deep-Learning-Frameworks wie PyTorch oder TensorFlow

Zielgruppe

  • HPC-Entwickler
  • KI-Infrastruktur-Ingenieure
  • Spezialisten für Performance-Optimierung
 21 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien