GPU Schulungen in München

Huawei Ascend ist eine Familie von AI-Prozessoren, die für hochleistungsfähige Inferenz und Trainingsprozesse entwickelt wurde.

Dieses von einem Trainer durchgeführte Live-Seminar (Online oder vor Ort) richtet sich an mittelstufige AI-Engineer und Data Scientists, die möchten, Modelle für neuronale Netzwerke mit Hilfe der Plattform Huawei Ascend und dem CANN Toolkit zu entwickeln und zu optimieren.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Die Entwicklungsumgebung von CANN einzurichten und zu konfigurieren.
• AI-Anwendungen mit MindSpore und CloudMatrix-Workflows zu entwickeln.
• Leistung auf Ascend NPUs mithilfe von benutzerdefinierten Operatoren und Tiling zu optimieren.
• Modelle in Edge- oder Cloud-Umgebungen bereitzustellen.

Format des Kurses

• Interaktive Vorlesung und Diskussion.
• Praktische Nutzung von Huawei Ascend und dem CANN-Toolkit in Beispielanwendungen.
• Geleitete Übungen, die sich auf das Modellieren, Trainieren und Bereitstellen konzentrieren.

Anpassungsoptionen für den Kurs

• Für eine angepasste Ausbildung an Ihren Infrastruktur oder Datensätzen basierend auf diesem Kurs, kontaktieren Sie uns bitte zur Anfrage.

Huawei's AI-Stack — vom unteren SDK-CANN bis zum höherstufigen MindSpore-Framework — bietet eine eng integrierte Entwicklungsumgebung für die Bereitstellung von KI, optimiert für Ascend-Hardware.

Diese instructor-led Live-Ausbildung (online oder vor Ort) richtet sich an Anfänger und Fortgeschrittene in technischen Berufen, die verstehen möchten, wie die Komponenten CANN und MindSpore zusammenarbeiten, um das KI-Lebenszyklus-Management und Infrastrukturentscheidungen zu unterstützen.

Am Ende der Ausbildung können die Teilnehmer Folgendes:

• Die aufgeschichtete Architektur von Huaweis AI-Berechnungsstack verstehen.
• Erkennen, wie CANN das Modelloptimierung und die Hardwarebereitstellung unterstützt.
• Den MindSpore-Framework und -Toolchain in Bezug auf Branchenalternativen bewerten.
• Positionieren von Huaweis AI-Stack innerhalb von Unternehmensumgebungen oder Cloud/on-prem-Umgebungen.

Format der Ausbildung

• Interaktive Vorlesung und Diskussion.
• Live-Demos des Systems und fallbasierte Durchgänge.
• Optional geführte Workshops zum Modellfluss von MindSpore zu CANN.

Anpassungsoptionen der Ausbildung

• Bei Interesse an einer angepassten Trainingseinheit für diesen Kurs, kontaktieren Sie uns bitte zur Anordnung.

Dieses von einem Trainer geleitete Live-Training in München (online oder vor Ort) richtet sich an Entwickler mit Anfänger- bis Fortgeschrittenenkennis, die OpenACC verwenden möchten, um heterogene Geräte zu programmieren und deren Parallelität auszunutzen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Eine OpenACC-Entwicklungsumgebung einzurichten.
• Ein grundlegendes OpenACC-Programm zu schreiben und auszuführen.
• Code mit OpenACC-Direktiven und Klauseln zu annotieren.
• Die OpenACC-API und Bibliotheken zu verwenden.
• OpenACC-Programme zu profilieren, fehlerzu beheben und zu optimieren.

Die CANN SDK (Compute-Architektur für Neural Networks) bietet leistungsstarke Bereitstellungstools und Optimierungsmethoden für Echtzeitanwendungen im Bereich der KI, insbesondere in der Computer Vision und dem NLP, vor allem auf Huawei Ascend-Hardware.

Diese von einem Trainer geleitete Live-Ausbildung (online oder vor Ort) richtet sich an fortgeschrittene AI-Praktiker, die Modelle für Bildverarbeitung und Sprachverarbeitung mit der CANN SDK zur Produktionsnutzung bereitstellen und optimieren möchten.

Am Ende dieser Ausbildung werden die Teilnehmer in der Lage sein:

• CV- und NLP-Modelle mit CANN und AscendCL bereitzustellen und zu optimieren.
• CANN-Tools zur Modellkonvertierung und -integration in lebende Pipelines zu nutzen.
• Rückschlüsseleistung für Aufgaben wie Erkennung, Klassifizierung und Sentimentanalyse zu optimieren.
• Echtzeit-CV/NLP-Pipelines für die Bereitstellung an der Edge oder im Cloud-Szenario aufzubauen.

Format der Ausbildung

• Interaktive Vorlesung und Demonstration.
• Praxisübungen zur Modellbereitstellung und Leistungsbewertung.
• Live-Pipeline-Design unter Verwendung realer CV- und NLP-Anwendungsbeispiele.

Anpassungsoptionen der Ausbildung

• Um eine angepasste Ausbildung für diesen Kurs zu beantragen, kontaktieren Sie uns bitte zur Absprache.

Diese von einem Kursleiter geleitete Live-Schulung in München (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die die Grundlagen der GPU-Programmierung sowie die wichtigsten Frameworks und Tools für die Entwicklung von GPU-Anwendungen erlernen möchten.

• Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:
  den Unterschied zwischen CPU- und GPU-Computing sowie die Vorteile und Herausforderungen der GPU-Programmierung zu verstehen.
• Das richtige Framework und Tool für ihre GPU-Anwendung auswählen.
• ein grundlegendes GPU-Programm zu erstellen, das eine Vektoraddition mit einem oder mehreren der Frameworks und Tools durchführt.
• Verwenden Sie die entsprechenden APIs, Sprachen und Bibliotheken, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
• Verwendung der jeweiligen Speicherbereiche, wie z. B. global, lokal, konstant und privat, um Datenübertragungen und Speicherzugriffe zu optimieren.
• Verwendung der jeweiligen Ausführungsmodelle, wie Work-Items, Work-Groups, Threads, Blöcke und Grids, um die Parallelität zu steuern.
• Debuggen und Testen von GPU-Programmen mit Tools wie CodeXL, CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight.
• Optimieren von GPU-Programmen mit Techniken wie Coalescing, Caching, Prefetching und Profiling.

CANN TIK (Tensor Instruction Kernel) und Apache TVM ermöglichen die erweiterte Optimierung und Anpassung von AI-Modelloperatoren für Huawei Ascend Hardware.

Dieses von einem Trainer durchgeführte Live-Seminar (online oder vor Ort) richtet sich an fortgeschrittene Systementwickler, die Custom-Operatoren für AI-Modelle mithilfe des TIK Programmiermodells und der TVM-Kompilerintegration von CANN erstellen, bereitstellen und einstellen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Custom-AI-Operatoren mit dem TIK DSL für Ascend-Prozessoren zu schreiben und zu testen.
• Custom-Ops in den CANN Runtime und die Ausführungsgraphik zu integrieren.
• TVM zur Operator-Scheduling, Auto-Tuning und Benchmarking zu verwenden.
• Instruktionsebene Leistungsprobleme von Custom-Berechnungsmustern zu debuggen und zu optimieren.

Format des Kurses

• Interaktive Vorlesungen und Demonstrations.
• Praxisorientiertes Coden von Operatoren mit TIK- und TVM-Pipelines.
• Testen und Einstellen auf Ascend-Hardware oder Simulatoren.

Anpassungsoptionen des Kurses

• Für eine angepasste Ausbildung zu diesem Kurs wenden Sie sich bitte an uns, um die Vorstellung zu vereinbaren.

Diese von einem Dozenten geleitete Live-Schulung in München (online oder vor Ort) richtet sich an Entwickler im Anfänger- bis Mittelstufenbereich, die verschiedene Frameworks für GPU-Programmierung verwenden und ihre Eigenschaften, Leistung und Kompatibilität vergleichen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Eine Entwicklumgebung einzurichten, die das OpenCL SDK, CUDA Toolkit, ROCm-Plattform, ein Gerät, das OpenCL, CUDA oder ROCm unterstützt, und Visual Studio Code umfasst.
• Ein grundlegendes GPU-Programm zu erstellen, das Vektorsummen mit OpenCL, CUDA und ROCm ausführt, und die Syntax, Struktur und Ausführung jedes Frameworks zu vergleichen.
• Die jeweiligen APIs zu verwenden, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kerne zu starten und Threads zu synchronisieren.
• Die jeweiligen Sprachen zu verwenden, um Kerne zu schreiben, die auf dem Gerät ausgeführt werden und Daten manipulieren.
• Die jeweils integrierten Funktionen, Variablen und Bibliotheken zu verwenden, um übliche Aufgaben und Operationen durchzuführen.
• Die jeweiligen Speicherbereiche wie global, lokal, konstant und privat zu verwenden, um Datenübertragungen und Speicherzugriffe zu optimieren.
• Die jeweiligen Ausführungsmodelle zu verwenden, um die Threads, Blöcke und Gitter zu steuern, die die Parallelität definieren.
• GPU-Programme mit Werkzeugen wie CodeXL, CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight zu debuggen und zu testen.
• GPU-Programme unter Verwendung von Techniken wie Konsolidierung, Zwischenspeicherung, Vorausladen und Profiling zu optimieren.

CloudMatrix ist Huaweis einheitliche AI-Entwicklung und -Bereitstellungsplattform, die skalierbare Produktionsqualität-Inferenzpipelines unterstützt.

Dieser von einem Trainer geleitete Live-Kurs (online oder vor Ort) richtet sich an Anfänger und Fortgeschrittene im Bereich KI, die Modelle mithilfe der CloudMatrix-Plattform mit CANN und MindSpore-Integration bereitstellen und überwachen möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• CloudMatrix für Modelpackaging, Bereitstellung und Dienstleistung zu verwenden.
• Modelle für Ascend-Chips umwandeln und optimieren.
• Pipelines für Echtzeit- und Batch-Inferenz-Aufgaben einrichten.
• Bereitstellungen überwachen und die Leistung in Produktionsumgebungen optimieren.

Format des Kurses

• Interaktive Vorlesung und Diskussion.
• Praxisorientierte Nutzung von CloudMatrix mit realen Bereitstellungszenarien.
• Geleitete Übungen zum Thema Konvertierung, Optimierung und Skalierung.

Anpassungsoptionen für den Kurs

• Für eine angepasste Schulung auf Basis Ihrer AI-Infrastruktur oder Cloud-Umgebung kontaktieren Sie uns, um dies zu vereinbaren.

Die Toolkit Ascend CANN von Huawei ermöglicht eine leistungsfähige AI-Schließung auf Edge-Geräten wie dem Ascend 310. CANN bietet wesentliche Werkzeuge für das Kompilieren, Optimieren und Bereitstellen von Modellen in Umgebungen mit begrenzter Rechenleistung und Speicher.

Diese lehrer-gesteuerte Live-Ausbildung (online oder vor Ort) richtet sich an fortgeschrittene AI-Entwickler und -Integratoren, die Modelle auf Ascend Edge-Geräten mit der CANN Werkzeugkette bereitstellen und optimieren möchten.

Am Ende dieser Ausbildung werden die Teilnehmer in der Lage sein:

• AI-Modelle für den Ascend 310 mithilfe von CANN-Werkzeugen vorzubereiten und umzuwandeln.
• Leichtgewichtige Inferenzpipelines mit MindSpore Lite und AscendCL zu erstellen.
• Die Modellleistung für Umgebungen mit begrenzter Rechenleistung und Speicher zu optimieren.
• AI-Anwendungen in realen Edge-Szenarien bereitzustellen und zu überwachen.

Format der Ausbildung

• Interaktive Vorlesung und Demonstration.
• Praxisarbeit am Modell und in Szenarien für Edge-Geräte.
• Live-Beispiele der Bereitstellung auf virtuellem oder physischem Edge-Hardware.

Anpassungsoptionen der Ausbildung

• Um eine angepasste Ausbildung für diesen Kurs anzufordern, kontaktieren Sie uns bitte zur Absprache.

Diese von einem Kursleiter geleitete Live-Schulung in München (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die ROCm unter Windows installieren und verwenden möchten, um AMD GPUs zu programmieren und deren Parallelität auszunutzen.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die die ROCm-Plattform, einen AMD GPU und Visual Studio Code unter Windows enthält.
• ein grundlegendes ROCm-Programm zu erstellen, das eine Vektoraddition auf dem GPU durchführt und die Ergebnisse aus dem GPU-Speicher abruft.
• Verwenden Sie die ROCm-API, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
• HIP-Sprache verwenden, um Kernel zu schreiben, die auf GPU ausgeführt werden und Daten manipulieren.
• Verwendung der in HIP integrierten Funktionen, Variablen und Bibliotheken, um allgemeine Aufgaben und Operationen auszuführen.
• Verwendung von ROCm- und HIP-Speicherbereichen, wie z. B. global, gemeinsam genutzt, konstant und lokal, um Datenübertragungen und Speicherzugriffe zu optimieren.
• Verwendung von ROCm- und HIP-Ausführungsmodellen zur Steuerung der Threads, Blöcke und Grids, die die Parallelität definieren.
• Debuggen und Testen von ROCm- und HIP-Programmen mit Werkzeugen wie dem ROCm Debugger und dem ROCm Profiler.
• Optimieren von ROCm- und HIP-Programmen mit Techniken wie Coalescing, Caching, Prefetching und Profiling.

Diese von einem Kursleiter geleitete Live-Schulung in München (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die ROCm und HIP zur Programmierung von AMD GPUs und zur Ausnutzung ihrer Parallelität verwenden möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die die ROCm-Plattform, einen AMD GPU- und Visual Studio-Code enthält.
• Ein grundlegendes ROCm-Programm erstellen, das eine Vektoraddition auf dem GPU durchführt und die Ergebnisse aus dem GPU-Speicher abruft.
• Verwenden Sie die ROCm-API, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
• HIP-Sprache verwenden, um Kernel zu schreiben, die auf GPU ausgeführt werden und Daten manipulieren.
• Verwendung der in HIP integrierten Funktionen, Variablen und Bibliotheken, um allgemeine Aufgaben und Operationen auszuführen.
• Verwendung von ROCm- und HIP-Speicherbereichen, wie z. B. global, gemeinsam genutzt, konstant und lokal, um Datenübertragungen und Speicherzugriffe zu optimieren.
• Verwendung von ROCm- und HIP-Ausführungsmodellen zur Steuerung der Threads, Blöcke und Grids, die die Parallelität definieren.
• Debuggen und Testen von ROCm- und HIP-Programmen mit Werkzeugen wie dem ROCm Debugger und dem ROCm Profiler.
• Optimieren von ROCm- und HIP-Programmen mit Techniken wie Coalescing, Caching, Prefetching und Profiling.

CANN (Compute Architecture for Neural Networks) ist Huaweis AI-Computing-Toolkast, der verwendet wird, um AI-Modelle auf Ascend-AI-Prozessoren zu kompilieren, zu optimieren und bereitzustellen.

Dieser von einem Trainer geleitete Live-Kurs (Online oder vor Ort) richtet sich an Anfänger im Bereich AI-Entwicklung, die verstehen möchten, wie CANN in den Modellzyklus von der Ausbildung bis zur Bereitstellung einbezogen wird und wie es mit Frameworks wie MindSpore, TensorFlow und PyTorch zusammenarbeitet.

Am Ende des Kurses werden die Teilnehmer in der Lage sein:

• Den Zweck und die Architektur des CANN-Toolkits zu verstehen.
• Eine Entwicklungsumgebung mit CANN und MindSpore einzurichten.
• Ein einfaches AI-Modell auf Ascend-Hardware umzusetzen und bereitzustellen.
• Grundlegendes Wissen für zukünftige Optimierungs- oder Integrationsprojekte mit CANN zu erlangen.

Format des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praxisübungen mit einfacher Modellbereitstellung.
• Schritt-für-Schritt-Anleitung durch die CANN-Toolkette und Integrationspunkte.

Anpassungsoptionen des Kurses

• Um eine angepasste Ausbildung für diesen Kurs zu beantragen, kontaktieren Sie uns bitte zur Anmeldung.

Ascend, Biren und Cambricon sind führende AI-Hardware-Plattformen in China, die jeweils einzigartige Tools zur Beschleunigung und Profiling für Produktions-AI-Aufgaben bieten.

Diese von einem Trainer geleitete Live-Ausbildung (online oder vor Ort) richtet sich an fortschrittliche AI-Infrastruktur- und Leistungstechniker, die Workflow zum Modell-Inferenz und -Training über verschiedene chinesische AI-Chip-Plattformen optimieren möchten.

Am Ende dieser Ausbildung werden Teilnehmer in der Lage sein:

• Modelle auf den Plattformen Ascend, Biren und Cambricon zu benchmarken.
• Systembottlenecks und ineffiziente Speicher-/Rechenprozesse zu identifizieren.
• Grafenebene-, Kernel-Ebene- und Operator-Ebene-Optimierungen anzuwenden.
• Bereitstellungs-Pipelines zu justieren, um Durchsatz und Latenz zu verbessern.

Format der Veranstaltung

• Interaktiver Vortrag und Diskussion.
• Hände-direkt Einsatz von Profiling- und Optimierungstools auf jeder Plattform.
• Führung durch Übungen, die sich auf praktische Justierungszenarien konzentrieren.

Möglichkeiten der Anpassung des Kurses

• Um eine angepasste Ausbildung für diesen Kurs basierend auf Ihrer Leistungsumgebung oder Modelltyp anzufordern, kontaktieren Sie uns bitte zur Absprache.

CANN SDK (Compute Architecture für Neural Networks) ist die AI-Berechnungsplattform von Huawei, mit der Entwickler die Leistung von eingesetzten neuronalen Netzen auf Ascend AI-Prozessoren feinjustieren und optimieren können.

Diese in Live-Format durchgeführte Schulung (online oder vor Ort) richtet sich an fortgeschrittene AI-Entwickler und Systemingenieure, die die Leistungsfähigkeit der Inferenz mit den erweiterten Werkzeugen von CANN optimieren möchten. Dies beinhaltet das Graph Engine, TIK sowie die Entwicklung benutzerdefinierter Operatoren.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• CANN's Laufzeitarchitektur und Leistungszyklus zu verstehen.
• Profilierwerkzeuge und Graph Engine zur Analyse und Optimierung der Performance nutzen.
• Benutzerdefinierte Operatoren mit TIK und TVM erstellen und optimieren.
• Speichergrenzen auflösen und die Modelldurchsatzfähigkeit verbessern.

Format der Schulung

• Interaktiver Vortrag und Diskussion.
• Hände-direkt-Händefür-Schulungen mit realzeitiger Profilingfunktion und Anpassung von Operatoren.
• Optimierungsaufgaben unter Verwendung von Randfall-Deploymentbeispielen.

Anpassungsmöglichkeiten der Schulung

• Für eine maßgeschneiderte Schulung für diesen Kurs wenden Sie sich bitte an uns, um die Anpassung zu vereinbaren.

Chinesische GPU-Architekturen wie Huawei Ascend, Biren und Cambricon MLUs bieten CUDA-Alternativen an, die auf lokale AI- und HPC-Märkte zugeschnitten sind.

Dieses von einem Dozenten durchgeführte Live-Seminar (Online oder Vorort) richtet sich an erfahrene GPU-Programmierer und Infrastruktur-Spezialisten, die bestehende CUDA-Anwendungen auf chinesische Hardwareplattformen migrieren und optimieren möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Kompatibilität bestehender CUDA-Arbeitssätze mit alternativen chinesischen Chips zu bewerten.
• CUDA-Codebasen in Umgebungen von Huawei CANN, Biren SDK und Cambricon BANGPy umzustellen.
• Leistung zu vergleichen und Optimierungspunkte über verschiedene Plattformen hinweg zu identifizieren.
• Praktische Herausforderungen im Bereich Cross-Architektur-Unterstützung und -Deployment anzugehen.

Format des Kurses

• Interaktive Vorlesung und Diskussion.
• Hände-direkt-in den Code-Übersetzungslabors mit Leistungsvergleich.
• Geleitete Übungen, die auf Multi-GPU-Adaptierungsstrategien fokussiert sind.

Anpassungsoptionen für den Kurs

• Zum Anfordern einer angepassten Ausbildung an Ihren Plattformbedarf oder CUDA-Projekt, kontaktieren Sie uns bitte zur Arrangement.

Diese von einem Trainer geleitete Live-Schulung in München (online oder vor Ort) richtet sich an Anfänger und fortgeschrittene Entwickler, die CUDA zur Programmierung von NVIDIA GPU-Systemen und zur Ausnutzung ihrer Parallelität verwenden möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einrichten, die das CUDA Toolkit, einen NVIDIA GPU- und Visual Studio-Code enthält.
• Ein grundlegendes CUDA Programm erstellen, das eine Vektoraddition auf dem GPU durchführt und die Ergebnisse aus dem GPU Speicher abruft.
• Verwenden Sie die CUDA API, um Geräteinformationen abzufragen, Gerätespeicher zuzuweisen und freizugeben, Daten zwischen Host und Gerät zu kopieren, Kernel zu starten und Threads zu synchronisieren.
• Verwendung der Sprache CUDA C/C++ zum Schreiben von Kernels, die auf dem GPU ausgeführt werden und Daten manipulieren.
• Verwendung der in CUDA integrierten Funktionen, Variablen und Bibliotheken, um allgemeine Aufgaben und Operationen durchzuführen.
• Verwendung von CUDA-Speicherbereichen, wie z. B. global, gemeinsam genutzt, konstant und lokal, zur Optimierung von Datenübertragungen und Speicherzugriffen.
• Verwendung des CUDA-Ausführungsmodells zur Steuerung der Threads, Blöcke und Grids, die die Parallelität definieren.
• Debuggen und Testen von CUDA Programmen mit Tools wie CUDA-GDB, CUDA-MEMCHECK und NVIDIA Nsight.
• Optimieren Sie CUDA Programme mit Techniken wie Coalescing, Caching, Prefetching und Profiling.

97% der Kunden sind zufrieden.

CANN (Compute Architecture for Neural Networks) ist Huaweis AI-Rechenstack für die Bereitstellung und Optimierung von AI-Modellen auf Ascend-AI-Prozessoren.

Diese von einem Trainer geführte Live-Ausbildung (online oder vor Ort) richtet sich an mittelcalibrierte AI-Entwickler und Ingenieure, die effizient ausgebildete AI-Modelle mit dem CANN-Toolkit und Tools wie MindSpore, TensorFlow oder PyTorch auf Huawei Ascend-Hardware bereitstellen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Architektur von CANN und ihre Rolle im AI-Bereitstellungspipeline zu verstehen.
• Modelle aus beliebten Frameworks in Ascend-kompatible Formate umzuwandeln und anzupassen.
• Tools wie ATC, OM-Modellkonvertierung und MindSpore für Edge- und Cloud-Inferenz zu verwenden.
• Bereitstellungsprobleme zu diagnostizieren und die Leistung auf Ascend-Hardware zu optimieren.

Format des Kurses

• Interaktive Vorlesung und Demonstration.
• Praxisarbeit mit CANN-Tools und Ascend-Simulatoren oder Geräten.
• Praktische Bereitstellungsszenarien auf der Basis realer AI-Modelle.

Optionen für angepasste Schulungen

• Wenn Sie eine angepasste Schulung zu diesem Kurs anfordern möchten, kontaktieren Sie uns bitte zur Absprache.

Biren AI-Acceleratoren sind Hochleistungs-GPU-Systeme, die für KI- und HPC-Anwendungen entwickelt wurden und Unterstützung für umfangreiche Trainings- und Inferenzprozesse bieten.

Dieser von einem Trainer geleitete Live-Kurs (online oder vor Ort) richtet sich an mittel bis fortgeschrittene Entwickler, die Programme mit Birens proprietärem GPU-Stack programmieren und optimieren möchten. Vergleiche zur CUDA-basierten Umgebung werden praktisch dargestellt.

Am Ende dieses Trainings können Teilnehmer Folgendes:

• Die Architektur und das Speichersystem von Biren GPU verstehen.
• Entwicklungsumgebung einrichten und Birens Programmiermodell verwenden.
• CUDA-ähnlichen Code für Biren-Plattformen übersetzen und optimieren.
• Leistungsanpassungstechniken anwenden und Fehlerbehebung durchführen.

Format des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Praktische Nutzung der Biren SDK in Beispiel-GPU-Workloads.
• Geleitete Übungen zum Portieren und Anpassen von Leistungsparametern.

Anpassungsoptionen für den Kurs

• Für eine auf Ihre Anwendungsumgebung oder Integrationsbedürfnisse zugeschnittene Ausbildung wenden Sie sich bitte an uns, um die Anpassung zu vereinbaren.

Cambricon MLUs (Machine Learning Units) sind spezialisierte AI-Chips, die für Inferenz und Training in Edge- und Datenzentren-Szenarien optimiert wurden.

Dieses von einem Trainer geleitete Live-Seminar (online oder vor Ort) richtet sich an fortgeschrittene Entwickler, die Modelle mit dem BANGPy-Framework und der Neuware SDK auf Cambricon MLU-Hardware erstellen und bereitstellen möchten.

Am Ende des Trainings werden die Teilnehmer in der Lage sein:

• Die Entwicklungsumgebungen von BANGPy und Neuware einzurichten und zu konfigurieren.
• Python- und C++-basierte Modelle für Cambricon MLUs zu entwickeln und zu optimieren.
• Modelle auf Edge- und Datenzentren-Geräten bereitzustellen, die den Neuware Runtime ausführen.
• ML-Arbeitsabläufe mit MLU-spezifischen Beschleunigungsmerkmalen zu integrieren.

Format des Kurses

• Interaktive Vorlesung und Diskussion.
• Praxisorientierte Nutzung von BANGPy und Neuware zur Entwicklung und Bereitstellung.
• Führung durch Übungen, die sich auf Optimierung, Integration und Testen konzentrieren.

Anpassungsoptionen des Kurses

• Um eine an Ihren Cambricon-Gerätemodell oder Anwendungsfall angepasste Ausbildung zu beantragen, kontaktieren Sie uns bitte zur Absprache.

Diese von einem Trainer geleitete Live-Schulung in München (online oder vor Ort) richtet sich an Systemadministratoren und IT-Experten, die CUDA-Umgebungen installieren, konfigurieren, verwalten und Fehler beheben möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• die Architektur, die Komponenten und die Fähigkeiten von CUDA zu verstehen.
• CUDA Umgebungen zu installieren und zu konfigurieren.
• CUDA-Ressourcen zu verwalten und zu optimieren.
• Häufige CUDA Probleme zu debuggen und zu beheben.

Diese von einem Trainer durchgeführte Live-Ausbildung in München (Online oder vor Ort) richtet sich an Entwickler mit Anfänger- bis Mittelstufe-Kenntnissen, die OpenCL nutzen möchten, um heterogene Geräte zu programmieren und deren Parallelverarbeitung auszunutzen.

Am Ende dieser Ausbildung werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die OpenCL SDK, ein Gerät, das OpenCL unterstützt, und Visual Studio Code enthält.
• Ein grundlegendes OpenCL-Programm zu erstellen, das auf dem Gerät einen Vektoradditionsprozess durchführt und die Ergebnisse aus dem Gerätememory abruft.
• Die OpenCL API zum Abfragen von Geräteinformationen, zum Erstellen von Kontexten, Kommandozeilen, Buffern, Kernen und Ereignissen zu verwenden.
• Mit der OpenCL-C-Sprache Kerne zu schreiben, die auf dem Gerät ausgeführt und Daten manipulieren.
• Die integrierten Funktionen, Erweiterungen und Bibliotheken von OpenCL zum Ausführen gängiger Aufgaben und Operationen zu verwenden.
• Die Host- und Gerätememorymodelle von OpenCL zur Optimierung von Datentransfers und Memory-Zugriffen zu nutzen.
• Das Ausführungsmodell von OpenCL zur Kontrolle der Work-Items, Work-Gruppen und ND-Bereiche zu verwenden.
• Mit Tools wie CodeXL, Intel VTune und NVIDIA Nsight OpenCL-Programme zu debuggen und zu testen.
• Techniken wie Vektorisierung, Loop-Unrolling, Lokales Memory und Profiling zur Optimierung von OpenCL Programmen anzuwenden.

Dieses von einem Trainer geleitete Live-Training in München (online oder vor Ort) richtet sich an fortgeschrittene Entwickler, die CUDA verwenden möchten, um Python-Anwendungen zu erstellen, die parallel auf NVIDIA-GPUs laufen.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Mit dem Numba-Kompiler Python-Anwendungen zu beschleunigen, die auf NVIDIA-GPUs laufen.
• Benutzerdefinierte CUDA-Kernels erstellen, kompilieren und starten.
• GPU-Speicher verwalten.
• Eine CPU-basierte Anwendung in eine GPU-optimierte Anwendung umwandeln.

Dieser von einem Ausbilder geleitete Live-Schulungskurs in München deckt ab, wie man GPUs für paralleles Rechnen programmiert, wie man verschiedene Plattformen verwendet, wie man mit der CUDA-Plattform und ihren Funktionen arbeitet und wie man verschiedene Optimierungstechniken mit CUDA durchführt. Einige der Anwendungen umfassen Deep Learning, Analytik, Bildverarbeitung und technische Anwendungen.