Subcategories (1)

Image for the CUDA (Compute Unified Device Architecture)

CUDA (Compute Unified Device Architecture)

Explore Our Courses

GPU Programming with OpenACC

 28 timmar
Denna instruktörsledda, live-utbildning i Sverige (online eller på plats) riktar sig till utvecklare på nybörjarnivå till mellannivå som vill använda OpenACC för att programmera heterogena enheter och utnyttja deras parallellitet. I slutet av denna utbildning kommer deltagarna att kunna:
  • Konfigurera en utvecklingsmiljö som innehåller OpenACC SDK, en enhet som stöder OpenACC och Visual Studio-kod.
  • Skapa ett grundläggande OpenACC-program som utför vektoraddition på enheten och hämtar resultaten från enhetens minne.
  • Använd OpenACC-direktiv och -satser för att kommentera koden och ange alternativ för parallella regioner, dataflytt och optimering.
  • Använd OpenACC API för att fråga efter enhetsinformation, ställa in enhetsnummer, hantera fel och synkronisera händelser.
  • Använd OpenACC-bibliotek och interoperabilitetsfunktioner för att integrera OpenACC med andra programmeringsmodeller, till exempel CUDA, OpenMP och MPI.
  • Använd OpenACC-verktyg för att profilera och felsöka OpenACC-program och identifiera flaskhalsar och möjligheter i prestandan.
  • Optimera OpenACC-program med hjälp av tekniker som datalokalitet, loopfusion, kärnfusion och automatisk justering.
LÄS MER...

Introduction to GPU Programming

 21 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare på nybörjarnivå till medelnivå som vill lära sig grunderna i GPU programmering och de viktigaste ramverken och verktygen för att utveckla GPU applikationer .
  • I slutet av denna utbildning kommer deltagarna att kunna:
    Förstå skillnaden mellan CPU och GPU-datorer och fördelarna och utmaningarna med GPU programmering.
  • Välj rätt ramverk och verktyg för deras GPU applikation.
  • Skapa ett grundläggande GPU-program som utför vektortillägg med ett eller flera av ramverken och verktygen.
  • Använd respektive API:er, språk och bibliotek för att fråga enhetsinformation, allokera och avallokera enhetsminne, kopiera data mellan värd och enhet, starta kärnor och synkronisera trådar.
  • Använd respektive minnesutrymme, som globalt, lokalt, konstant och privat, för att optimera dataöverföringar och minnesåtkomster.
  • Använd respektive exekveringsmodeller, såsom arbetsobjekt, arbetsgrupper, trådar, block och rutnät, för att kontrollera parallelliteten.
  • Felsöka och testa GPU program med hjälp av verktyg som CodeXL, CUDA-GDB, CUDA-MEMCHECK och NVIDIA Nsight.
  • Optimera GPU program med hjälp av tekniker som koalescing, cachning, förhämtning och profilering.
LÄS MER...

GPU Programming - OpenCL vs CUDA vs ROCm

 28 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare på nybörjarnivå till medelnivå som vill använda olika ramverk för GPU programmering och jämföra deras funktioner, prestanda och kompatibilitet. I slutet av denna utbildning kommer deltagarna att kunna:
  • Konfigurera en utvecklingsmiljö som inkluderar OpenCL SDK, CUDA Toolkit, ROCm Platform, en enhet som stöder OpenCL, CUDA eller ROCm och Visual Studio kod.
  • Skapa ett grundläggande GPU-program som utför vektortillägg med OpenCL, CUDA och ROCm, och jämför syntaxen, strukturen och exekveringen av varje ramverk.
  • Använd respektive API:er för att fråga enhetsinformation, allokera och avallokera enhetsminne, kopiera data mellan värd och enhet, starta kärnor och synkronisera trådar.
  • Använd respektive språk för att skriva kärnor som körs på enheten och manipulera data.
  • Använd respektive inbyggda funktioner, variabler och bibliotek för att utföra vanliga uppgifter och operationer.
  • Använd respektive minnesutrymme, som globalt, lokalt, konstant och privat, för att optimera dataöverföringar och minnesåtkomster.
  • Använd respektive exekveringsmodell för att styra de trådar, block och rutnät som definierar parallelliteten.
  • Felsöka och testa GPU program med hjälp av verktyg som CodeXL, CUDA-GDB, CUDA-MEMCHECK och NVIDIA Nsight.
  • Optimera GPU program med hjälp av tekniker som koalescing, cachning, förhämtning och profilering.
LÄS MER...

ROCm for Windows

 21 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare på nybörjarnivå till medelnivå som vill installera och använda ROCm på Windows för att programmera AMD GPU och utnyttja deras parallellitet. I slutet av denna utbildning kommer deltagarna att kunna:
  • Konfigurera en utvecklingsmiljö som inkluderar ROCm Platform, en AMD GPU och Visual Studio Code på Windows.
  • Skapa ett grundläggande ROCm-program som utför vektortillägg på GPU och hämtar resultaten från GPU-minnet.
  • Använd ROCm API för att fråga enhetsinformation, allokera och avallokera enhetsminne, kopiera data mellan värd och enhet, starta kärnor och synkronisera trådar.
  • Använd HIP-språk för att skriva kärnor som körs på GPU och manipulerar data.
  • Använd HIP inbyggda funktioner, variabler och bibliotek för att utföra vanliga uppgifter och operationer.
  • Använd ROCm- och HIP-minnesutrymmen, såsom globala, delade, konstanta och lokala, för att optimera dataöverföringar och minnesåtkomster.
  • Använd ROCm- och HIP-exekveringsmodeller för att styra de trådar, block och rutnät som definierar parallelliteten.
  • Felsöka och testa ROCm- och HIP-program med hjälp av verktyg som ROCm Debugger och ROCm Profiler.
  • Optimera ROCm- och HIP-program med hjälp av tekniker som koalescing, caching, förhämtning och profilering.
LÄS MER...

AMD GPU Programming

 28 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare på nybörjarnivå till medelnivå som vill använda ROCm och HIP för att programmera AMD GPU och utnyttja deras parallellitet. I slutet av denna utbildning kommer deltagarna att kunna:
  • Konfigurera en utvecklingsmiljö som inkluderar ROCm Platform, en AMD GPU och Visual Studio kod.
  • Skapa ett grundläggande ROCm-program som utför vektortillägg på GPU och hämtar resultaten från GPU-minnet.
  • Använd ROCm API för att fråga enhetsinformation, allokera och avallokera enhetsminne, kopiera data mellan värd och enhet, starta kärnor och synkronisera trådar.
  • Använd HIP-språk för att skriva kärnor som körs på GPU och manipulerar data.
  • Använd HIP inbyggda funktioner, variabler och bibliotek för att utföra vanliga uppgifter och operationer.
  • Använd ROCm- och HIP-minnesutrymmen, såsom globala, delade, konstanta och lokala, för att optimera dataöverföringar och minnesåtkomster.
  • Använd ROCm- och HIP-exekveringsmodeller för att styra de trådar, block och rutnät som definierar parallelliteten.
  • Felsöka och testa ROCm- och HIP-program med hjälp av verktyg som ROCm Debugger och ROCm Profiler.
  • Optimera ROCm- och HIP-program med hjälp av tekniker som koalescing, caching, förhämtning och profilering.
LÄS MER...

GPU Programming with CUDA

 28 timmar
Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till utvecklare på nybörjarnivå till mellannivå som vill använda CUDA för att programmera NVIDIA GPUs och utnyttja deras parallellitet. I slutet av denna utbildning kommer deltagarna att kunna:
  • Konfigurera en utvecklingsmiljö som innehåller CUDA Toolkit, en NVIDIA-kod GPU och Visual Studio.
  • Skapa ett grundläggande CUDA-program som utför vektoraddition på GPU och hämtar resultaten från GPU-minnet.
  • Använd CUDA API för att fråga efter enhetsinformation, allokera och frigöra enhetsminne, kopiera data mellan värd och enhet, starta kernels och synkronisera trådar.
  • Använd CUDA C/C++-språket för att skriva kernels som körs på GPU och manipulerar data.
  • Använd inbyggda CUDA-funktioner, variabler och bibliotek för att utföra vanliga uppgifter och åtgärder.
  • Använd CUDA-minnesutrymmen, till exempel globala, delade, konstanta och lokala, för att optimera dataöverföringar och minnesåtkomst.
  • Använd CUDA-körningsmodellen för att styra de trådar, block och rutnät som definierar parallelliteten.
  • Felsök och testa CUDA-program med hjälp av verktyg som CUDA-GDB, CUDA-MEMCHECK och NVIDIA Nsight.
  • Optimera CUDA-program med hjälp av tekniker som sammanslagning, cachelagring, förhämtning och profilering.
97% de kunder tillfredsställer .
LÄS MER...

Administration of CUDA

 35 timmar
Den här instruktörsledda, liveutbildningen i Sverige (online eller på plats) riktar sig till systemadministratörer på nybörjarnivå och IT-proffs som vill installera, konfigurera, hantera och felsöka CUDA-miljöer. I slutet av denna utbildning kommer deltagarna att kunna:
  • Förstå arkitekturen, komponenterna och funktionerna i CUDA.
  • Installera och konfigurera CUDA-miljöer.
  • Hantera och optimera CUDA-resurser.
  • Felsöka och felsöka vanliga CUDA-problem.
LÄS MER...

GPU Programming with OpenCL

 28 timmar
Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare på nybörjarnivå till medelnivå som vill använda OpenCL för att programmera heterogena enheter och utnyttja deras parallellitet. I slutet av denna utbildning kommer deltagarna att kunna:
  • Konfigurera en utvecklingsmiljö som inkluderar OpenCL SDK, en enhet som stöder OpenCL och Visual Studio kod.
  • Skapa ett grundläggande OpenCL-program som utför vektortillägg på enheten och hämtar resultaten från enhetens minne.
  • Använd OpenCL API för att fråga enhetsinformation, skapa sammanhang, kommandoköer, buffertar, kärnor och händelser.
  • Använd språket OpenCL C för att skriva kärnor som körs på enheten och manipulerar data.
  • Använd OpenCL inbyggda funktioner, tillägg och bibliotek för att utföra vanliga uppgifter och operationer.
  • Använd OpenCL värd- och enhetsminnesmodeller för att optimera dataöverföringar och minnesåtkomster.
  • Använd exekveringsmodellen OpenCL för att styra arbetsobjekt, arbetsgrupper och ND-intervall.
  • Felsöka och testa OpenCL program med hjälp av verktyg som CodeXL, Intel VTune och NVIDIA Nsight.
  • Optimera OpenCL program med hjälp av tekniker som vektorisering, slingupprullning, lokalt minne och profilering.
LÄS MER...

GPU Programming with CUDA and Python

 14 timmar
Denna lärarledda, live-träningen på plats eller online (online eller på plats) är avsedd för mellanliggande utvecklare som vill använda CUDA för att bygga Python-program som kör parallellt på NVIDIA GPU:er. I slutet av denna utbildning kommer deltagarna att kunna:
  • Använda Numba-kompilatorn för att accelerera Python-applikationer som körs på NVIDIA GPU:er.
  • Skapa, kompilera och starta anpassade CUDA-kärnor.
  • Hantera GPU-minne.
  • Konvertera en CPU-baserad applikation till en GPU-accelererad applikation.
LÄS MER...

NVIDIA GPU Programming - Extended

 21 timmar
Denna instruktörsledda, liveutbildning i Sverige täcker hur man programmerar GPUs för parallell beräkning, hur man använder olika plattformar, hur man arbetar med CUDA-plattformen och dess funktioner och hur man utför olika optimeringstekniker med CUDA . Några av applikationerna inkluderar djupinlärning, analys, bildbehandling och ingenjörsapplikationer.
LÄS MER...

Last Updated:

Vittnesmål (2)

Väldigt interaktiv med olika exempel, med en bra progression i komplexitet mellan start och slut av träningen.

Jenny - Andheo

Kurs - GPU Programming with CUDA and Python

Machine Translated

Tränarnas energi och humor.

Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.

Kurs - NVIDIA GPU Programming - Extended

Machine Translated

Upcoming Courses

Administration of CUDA

2025-06-02 09:30
35 timmar
Online
5000 EUR (Online)

GPU Programming with CUDA

2025-06-10 09:30
28 timmar
Online
4000 EUR (Online)

GPU Programming with OpenCL

2025-06-24 09:30
28 timmar
Online
4000 EUR (Online)

ROCm for Windows

2025-07-08 09:30
21 timmar
Online
3000 EUR (Online)

Administration of CUDA

2025-07-28 09:30
35 timmar
Online
5000 EUR (Online)

Other regions in Sverige

Other Countries

Dessa kurser finns också i andra länder

Konsult

GPU Konsult
Onlineutbildning i GPU, Onlinekurser i GPU (Graphics Processing Unit), Helgkurser online i GPU (Graphics Processing Unit), Kvällsutbildning online i Graphics Processing Unit, Onlineutbildning med instruktör i GPU (Graphics Processing Unit), Online Graphics Processing Unit-utbildning, Online GPU (Graphics Processing Unit)-instruktör, Online Graphics Processing Unit-bootcamp, Online Graphics Processing Unit (GPU)-privatkurser, Online Graphics Processing Unit-klasser, Online Graphics Processing Unit (GPU)-en till en-utbildning, Online Graphics Processing Unit-på plats, Online GPU-coaching, Online helg GPU-utbildning, Online GPU-tränare, Online Graphics Processing Unit (GPU)-instruktörsledd, Online kvälls GPU (Graphics Processing Unit)-kurser