GPU Programming - OpenCL vs CUDA vs ROCm培訓

這種以講師為主導的台灣現場現場培訓面向希望使用ROCm和HIP對AMD GPU進行程式設計並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 設置包含 ROCm 平臺、AMD GPU 和 Visual Studio 代碼的開發環境。
• 創建一個基本的 ROCm 程式，該程式對 GPU 執行向量加法並從 GPU 記憶體中檢索結果。
• 使用 ROCm API 查詢設備資訊、分配和釋放裝置記憶體、在主機和設備之間複製數據、啟動內核和同步線程。
• 使用 HIP 語言編寫在 GPU 上執行的內核並操作數據。
• 使用 HIP 內置函數、變數和庫來執行常見任務和操作。
• 使用 ROCm 和 HIP 記憶體空間（如全域、共用、常量和本地）來優化數據傳輸和記憶體訪問。
• 使用 ROCm 和 HIP 執行模型來控制定義並行度的線程、塊和網格。
• 使用 ROCm Debugger 和 ROCm Profiler 等工具調試和測試 ROCm 和 HIP 程式。
• 使用合併、緩存、預取和分析等技術優化 ROCm 和 HIP 程式。

這種由講師指導的現場培訓 台灣（在線或遠端）面向希望安裝、配置、管理和排除 CUDA 環境故障的初級系統管理員和 IT 專業人員。

在培訓結束時，參與者將能夠：

• 瞭解 CUDA 的架構、元件和功能。
• 安裝和配置 CUDA 環境。
• 管理和優化 CUDA 資源。
• 調試和排查常見的 CUDA 問題。

這是一個由講師指導的，在台灣（線上或線下）進行的培訓，針對希望使用CUDA來構建在NVIDIA GPU上並行運行的Python應用程式的中級開發者。

在培訓結束時，參與者將能夠：

• 使用Numba編譯器來加速在NVIDIA GPU上運行的Python應用程式。
• 創建、編譯並啟動自定義的CUDA核心。
• 管理GPU的記憶體。
• 將基於CPU的應用程式轉換為GPU加速的應用程式。

這種以講師為主導的台灣現場現場培訓針對的是希望學習GPU程式設計基礎知識以及開發GPU應用程式的主要框架和工具的初級到中級開發人員。

• 在培訓結束時，參與者將能夠：
  瞭解 CPU 和 GPU 計算之間的區別以及 GPU 程式設計的好處和挑戰。
• 為他們的 GPU 應用程式選擇正確的框架和工具。
• 創建一個基本的 GPU 程式，該程式使用一個或多個框架和工具執行向量加法。
• 使用相應的 API、語言和庫來查詢設備資訊、分配和解除分配設備記憶體、在主機和設備之間複製數據、啟動內核以及同步線程。
• 使用相應的記憶體空間（如全域、本地、常量和專用）來優化數據傳輸和記憶體訪問。
• 使用相應的執行模型（如工作項、工作組、線程、塊和網格）來控制並行度。
• 使用 CodeXL 、 CUDA-GDB 、 CUDA-MEMCHECK 和 NVIDIA Nsight 等工具調試和測試 GPU 程式。
• 使用合併、緩存、預取和分析等技術優化 GPU 程式。

這個由 講師指導的 台灣 現場現場培訓（在線或現場）面向希望使用 CUDA 對 NVIDIA GPU 進行程式設計並利用其並行性的初級到中級開發人員。

在本次培訓結束時，參與者將能夠：

• 設置一個開發環境，其中包括 CUDA 工具包、NVIDIA GPU 和 Visual Studio 代碼。
• 創建一個基本的 CUDA 程式，該程式在 GPU 上執行向量加法並從 GPU 記憶體中檢索結果。
• 使用 CUDA API 查詢設備資訊、分配和釋放設備記憶體、在主機和設備之間複製數據、啟動內核和同步線程。
• 使用 CUDA C/C++ 語言編寫在 GPU 上執行並操作數據的內核。
• 使用 CUDA 內建函數、變數和庫來執行常見任務和操作。
• 使用 CUDA 記憶體空間（例如全域、共用、常量和本地）來優化數據傳輸和記憶體訪問。
• 使用 CUDA 執行模型來控制定義並行度的線程、塊和網格。
• 使用 CUDA-GDB、CUDA-MEMCHECK 和 NVIDIA Nsight 等工具調試和測試 CUDA 程式。
• 使用合併、緩存、預取和分析等技術優化 CUDA 程式。

97% de clients satisfaits. 

這種由講師指導的現場培訓台灣（在線或遠端）面向希望使用 OpenACC 對異構設備進行程式設計並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 設置一個開發環境，其中包含 OpenACC SDK、支援 OpenACC 的設備和 Visual Studio 代碼。
• 創建一個基本的 OpenACC 程式，用於在設備上執行向量加法並從設備記憶體中檢索結果。
• 使用 OpenACC 指令和子句對代碼進行註釋，並指定並行區域、數據移動和優化選項。
• 使用 OpenACC API 查詢裝置資訊、設置設備編號、處理錯誤和同步事件。
• 使用 OpenACC 庫和互操作性功能將 OpenACC 與其他程式設計模型（如 CUDA、OpenMP 和 MPI）集成。
• 使用 OpenACC 工具分析和調試 OpenACC 程式，並確定性能瓶頸和機會。
• 使用數據局部性、迴圈融合、內核融合和自動調優等技術優化 OpenACC 程式。

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望使用OpenCL對異構設備進行程式設計並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 設置包含 OpenCL SDK、支援 OpenCL 和 Visual Studio 代碼的設備的開發環境。
• 創建一個基本的 OpenCL 程式，該程式在設備上執行向量加法並從設備記憶體中檢索結果。
• 使用 OpenCL API 查詢設備資訊、創建上下文、命令佇列、緩衝區、內核和事件。
• 使用 OpenCL C 語言編寫在設備上執行並操作數據的內核。
• 使用 OpenCL 內置函數、擴展和庫來執行常見任務和操作。
• 使用 OpenCL 主機和設備記憶體模型來優化數據傳輸和記憶體訪問。
• 使用 OpenCL 執行模型來控制工作項、工作組和 ND 範圍。
• 使用 CodeXL、Intel VTune 和 NVIDIA Nsight 等工具調試和測試 OpenCL 程式。
• 使用矢量化、循環展開、本地記憶體和分析等技術優化 OpenCL 程式。

這個由講師指導的 台灣 現場培訓課程涵蓋了如何為並行計算程式設計 GPU、 如何使用各種平臺、如何使用 CUDA 平臺及其功能，以及如何使用 CUDA 執行各種優化技術。其中一些應用包括深度學習、分析、圖像處理和工程應用。

這種以講師為主導的台灣現場現場培訓面向希望在Windows上安裝和使用ROCm以程式設計AMD GPU並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 在 Windows 上設置包含 ROCm 平臺、AMD GPU 和 Visual Studio 代碼的開發環境。
• 創建一個基本的 ROCm 程式，該程式對 GPU 執行向量加法並從 GPU 記憶體中檢索結果。
• 使用 ROCm API 查詢設備資訊、分配和釋放裝置記憶體、在主機和設備之間複製數據、啟動內核和同步線程。
• 使用 HIP 語言編寫在 GPU 上執行的內核並操作數據。
• 使用 HIP 內置函數、變數和庫來執行常見任務和操作。
• 使用 ROCm 和 HIP 記憶體空間（如全域、共用、常量和本地）來優化數據傳輸和記憶體訪問。
• 使用 ROCm 和 HIP 執行模型來控制定義並行度的線程、塊和網格。
• 使用 ROCm Debugger 和 ROCm Profiler 等工具調試和測試 ROCm 和 HIP 程式。
• 使用合併、緩存、預取和分析等技術優化 ROCm 和 HIP 程式。