Formation GPU en Belgique

Huawei Ascend est une gamme de processeurs IA conçus pour l'inférence et l'entraînement haute performance.

Cette formation pratique, animée par un formateur (en ligne ou sur site), s'adresse aux ingénieurs IA et aux data scientists de niveau intermédiaire souhaitant développer et optimiser des modèles de réseaux neuronaux à l'aide de la plateforme Huawei Ascend et de la boîte à outils CANN.

À l'issue de cette formation, les participants seront capables de :

• Installer et configurer l'environnement de développement CANN.
• Développer des applications IA en utilisant les flux de travail MindSpore et CloudMatrix.
• Optimiser les performances sur les NPU Ascend à l'aide d'opérateurs personnalisés et du tuilage (tiling).
• Déployer des modèles dans des environnements edge ou cloud.

Format du cours

• Cours interactif et échanges.
• Manipulation pratique des outils Huawei Ascend et CANN sur des applications d'exemple.
• Exercices guidés axés sur la construction, l'entraînement et le déploiement de modèles.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, basée sur votre infrastructure ou vos jeux de données, veuillez nous contacter pour organiser cela.

La pile IA de Huawei — allant du SDK de bas niveau CANN au framework de haut niveau MindSpore — offre un environnement de développement et de déploiement IA étroitement intégré, optimisé pour le matériel Ascend.

Cette formation en présentiel ou à distance, animée par un formateur, s'adresse aux professionnels techniques de niveau débutant à intermédiaire souhaitant comprendre comment les composants CANN et MindSpore fonctionnent ensemble pour soutenir la gestion du cycle de vie de l'IA et les décisions en matière d'infrastructure.

À l'issue de cette formation, les participants seront capables de :

• Comprendre l'architecture en couches de la pile de calcul IA de Huawei.
• Identifier comment CANN prend en charge l'optimisation des modèles et le déploiement au niveau du matériel.
• Évaluer le framework MindSpore et sa chaîne d'outils par rapport aux alternatives du secteur.
• Situer la pile IA de Huawei dans des environnements d'entreprise ou cloud/sur site.

Format de la formation

• Cours interactif et discussion.
• Démonstrations système en direct et études de cas.
• Labs guidés optionnels sur le flux des modèles de MindSpore vers CANN.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour en convenir.

Cette formation en présentiel, animée par un formateur, en <lieu> (en ligne ou sur site), s'adresse aux développeurs de niveau débutant à intermédiaire qui souhaitent utiliser OpenACC pour programmer des dispositifs hétérogènes et exploiter leur parallélisme.

À l'issue de cette formation, les participants seront capables de :

• Configurer un environnement de développement OpenACC.
• Rédiger et exécuter un programme OpenACC de base.
• Annoter le code avec des directives et des clauses OpenACC.
• Utiliser l'API et les bibliothèques OpenACC.
• Profiler, déboguer et optimiser les programmes OpenACC.

Le SDK CANN (Compute Architecture for Neural Networks) fournit des outils puissants de déploiement et d'optimisation pour les applications d'IA en temps réel en vision par ordinateur et en NLP (traitement du langage naturel), en particulier sur le matériel Huawei Ascend.

Cette formation en direct animée par un instructeur (en ligne ou sur site) s'adresse aux praticiens de l'IA de niveau intermédiaire souhaitant créer, déployer et optimiser des modèles de vision et de langage à l'aide du SDK CANN pour des cas d'utilisation en production.

À l'issue de cette formation, les participants seront capables de :

• Déployer et optimiser les modèles CV et NLP à l'aide de CANN et d'AscendCL.
• Utiliser les outils CANN pour convertir les modèles et les intégrer dans des pipelines en direct.
• Optimiser les performances d'inférence pour des tâches telles que la détection, la classification et l'analyse des sentiments.
• Construire des pipelines CV/NLP en temps réel pour des scénarios de déploiement en périphérie (edge) ou dans le cloud.

Format de la formation

• Cours interactif et démonstrations.
• Ateliers pratiques avec déploiement de modèles et profilage des performances.
• Conception de pipelines en direct à l'aide de cas d'utilisation CV et NLP réels.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin de l'organiser.

Ce formation en direct, animée par un formateur, en Belgique (en ligne ou en présentiel) s'adresse aux développeurs de niveau débutant à intermédiaire souhaitant apprendre les bases de la programmation GPU ainsi que les principaux frameworks et outils pour développer des applications GPU.

• À l'issue de cette formation, les participants seront capables de :
  Comprendre la différence entre le calcul CPU et GPU, ainsi que les avantages et les défis de la programmation GPU.
• Choisir le framework et l'outil appropriés pour leur application GPU.
• Créer un programme GPU basique effectuant une addition vectorielle en utilisant un ou plusieurs des frameworks et outils.
• Utiliser les API, langages et bibliothèques respectifs pour interroger les informations de l'appareil, allouer et libérer la mémoire de l'appareil, copier des données entre l'hôte et l'appareil, lancer des kernels et synchroniser les threads.
• Utiliser les espaces mémoire respectifs, tels que global, local, constant et privé, pour optimiser les transferts de données et les accès mémoire.
• Utiliser les modèles d'exécution respectifs, tels que les work-items, les work-groups, les threads, les blocs et les grilles, pour contrôler le parallélisme.
• Déboguer et tester les programmes GPU en utilisant des outils tels que CodeXL, CUDA-GDB, CUDA-MEMCHECK et NVIDIA Nsight.
• Optimiser les programmes GPU en utilisant des techniques telles que le regroupement (coalescing), la mise en cache, le pré-chargement et le profilage.

CANN TIK (Tensor Instruction Kernel) et Apache TVM permettent une optimisation avancée et la personnalisation des opérateurs de modèles IA pour le matériel Huawei Ascend.

Cette formation en direct dispensée par un formateur (en ligne ou sur site) s'adresse aux développeurs système de niveau avancé souhaitant créer, déployer et ajuster des opérateurs personnalisés pour des modèles IA à l'aide du modèle de programmation TIK de CANN et de l'intégration du compilateur TVM.

À l'issue de cette formation, les participants seront en mesure de :

• Écrire et tester des opérateurs IA personnalisés à l'aide du DSL TIK pour les processeurs Ascend.
• Intégrer des opérateurs personnalisés dans le runtime CANN et le graphique d'exécution.
• Utiliser TVM pour l'ordonnancement d'opérateurs, le réglage automatique et l'évaluation des performances.
• Déboguer et optimiser les performances au niveau des instructions pour des motifs de calcul personnalisés.

Format du cours

• Cours interactif et démonstration.
• Codage pratique d'opérateurs à l'aide des pipelines TIK et TVM.
• Test et réglage sur du matériel Ascend ou des simulateurs.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour convenir des modalités.

Cette formation en direct animée par un formateur dans <lieu> (en ligne ou sur site) s'adresse aux développeurs de niveau débutant à intermédiaire souhaitant utiliser différents frameworks pour la programmation GPU et comparer leurs fonctionnalités, performances et compatibilité.

À l'issue de cette formation, les participants seront capables de :

• Mettre en place un environnement de développement incluant le SDK OpenCL, le toolkit CUDA, la plateforme ROCm, un périphérique prenant en charge OpenCL, CUDA ou ROCm, et Visual Studio Code.
• Créer un programme GPU basique effectuant une addition de vecteurs avec OpenCL, CUDA et ROCm, et comparer la syntaxe, la structure et l'exécution de chaque framework.
• Utiliser les API respectives pour interroger les informations du périphérique, allouer et libérer la mémoire du périphérique, copier les données entre l'hôte et le périphérique, lancer des kernels et synchroniser les threads.
• Utiliser les langages respectifs pour écrire des kernels qui s'exécutent sur le périphérique et manipulent les données.
• Utiliser les fonctions intégrées, variables et bibliothèques respectives pour effectuer des tâches et opérations courantes.
• Utiliser les espaces mémoire respectifs, tels que global, local, constant et privé, pour optimiser les transferts de données et les accès mémoire.
• Utiliser les modèles d'exécution respectifs pour contrôler les threads, les blocs et les grilles qui définissent le parallélisme.
• Déboguer et tester les programmes GPU à l'aide d'outils tels que CodeXL, CUDA-GDB, CUDA-MEMCHECK et NVIDIA Nsight.
• Optimiser les programmes GPU à l'aide de techniques telles que le regroupement (coalescing), la mise en cache, la prédétection (prefetching) et le profilage.

CloudMatrix est la plateforme unifiée de développement et de déploiement d'IA de Huawei, conçue pour prendre en charge des pipelines d'inférence évolutifs et prêts pour la production.

Cette formation en direct animée par un formateur (en ligne ou sur site) s'adresse aux professionnels de l'IA de niveau débutant à intermédiaire souhaitant déployer et surveiller des modèles d'IA à l'aide de la plateforme CloudMatrix, avec une intégration de CANN et MindSpore.

À l'issue de cette formation, les participants seront capables de :

• Utiliser CloudMatrix pour l'emballage, le déploiement et la mise à disposition des modèles.
• Convertir et optimiser les modèles pour les jeux de puces Ascend.
• Configurer des pipelines pour les tâches d'inférence en temps réel et par lots.
• Surveiller les déploiements et ajuster les performances dans des environnements de production.

Format du cours

• Cours interactif et discussions.
• Prise en main de CloudMatrix avec des scénarios de déploiement réels.
• Exercices guidés axés sur la conversion, l'optimisation et la mise à l'échelle.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, basée sur votre infrastructure d'IA ou votre environnement cloud, veuillez nous contacter pour organiser cela.

La boîte à outils Ascend CANN de Huawei permet d'exécuter des inférences IA puissantes sur des appareils périphériques tels que l'Ascend 310. CANN fournit les outils essentiels pour compiler, optimiser et déployer des modèles dans des environnements où les ressources de calcul et la mémoire sont limitées.

Cette formation en direct, dispensée par un instructeur (en ligne ou sur site), s'adresse aux développeurs et intégrateurs de niveau intermédiaire en IA qui souhaitent déployer et optimiser des modèles sur des appareils périphériques Ascend en utilisant la chaîne d'outils CANN.

À l'issue de cette formation, les participants seront capables :

• De préparer et convertir des modèles IA pour l'Ascend 310 en utilisant les outils CANN.
• De créer des pipelines d'inférence légers grâce à MindSpore Lite et AscendCL.
• D'optimiser les performances des modèles pour des environnements avec des ressources de calcul et de mémoire limitées.
• De déployer et surveiller des applications IA dans des cas d'usage périphériques réels.

Format du cours

• Conférence interactive et démonstrations.
• Travaux pratiques avec des modèles et scénarios spécifiques à la périphérie.
• Déploiements en direct sur du matériel périphérique virtuel ou physique.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin d'en convenir.

Ce cours en direct, dirigé par un instructeur dans <lieu> (en ligne ou sur site), s'adresse aux développeurs de niveau débutant à intermédiaire souhaitant installer et utiliser ROCm sur Windows pour programmer des GPU AMD et exploiter leur parallélisme.

À l'issue de cette formation, les participants seront en mesure de :

• Configurer un environnement de développement incluant la plate-forme ROCm, un GPU AMD et Visual Studio Code sous Windows.
• Créer un programme ROCm de base effectuant une addition de vecteurs sur le GPU et récupérant les résultats de la mémoire du GPU.
• Utiliser l'API ROCm pour interroger les informations de l'appareil, allouer et libérer de la mémoire de l'appareil, copier des données entre l'hôte et l'appareil, lancer des noyaux et synchroniser les threads.
• Utiliser le langage HIP pour écrire des noyaux qui s'exécutent sur le GPU et manipulent les données.
• Utiliser les fonctions, variables et bibliothèques intégrées de HIP pour effectuer des tâches et opérations courantes.
• Utiliser les espaces mémoire de ROCm et HIP, tels que global, partagé, constant et local, pour optimiser les transferts de données et les accès mémoire.
• Utiliser les modèles d'exécution de ROCm et HIP pour contrôler les threads, les blocs et les grilles qui définissent le parallélisme.
• Débugger et tester les programmes ROCm et HIP à l'aide d'outils tels que ROCm Debugger et ROCm Profiler.
• Optimiser les programmes ROCm et HIP en utilisant des techniques telles que la regroupement, la mise en cache, la précharge et le profilage.

Cette formation en direct, animée par un formateur à Belgique (en ligne ou en présentiel), s'adresse aux développeurs de niveau débutant à intermédiaire souhaitant utiliser ROCm et HIP pour programmer les GPU AMD et tirer parti de leur puissance de parallélisation.

À l'issue de cette formation, les participants seront capables de :

• Configurer un environnement de développement comprenant la plateforme ROCm, un GPU AMD et Visual Studio Code.
• Créer un programme ROCm de base effectuant une addition de vecteurs sur le GPU et récupérant les résultats depuis la mémoire du GPU.
• Utiliser l'API ROCm pour interroger les informations du dispositif, allouer et libérer de la mémoire sur le dispositif, transférer des données entre l'hôte et le dispositif, lancer des kernels et synchroniser les threads.
• Utiliser le langage HIP pour écrire des kernels exécutés sur le GPU et manipuler les données.
• Utiliser les fonctions intégrées, les variables et les bibliothèques HIP pour réaliser des tâches et opérations courantes.
• Exploiter les espaces mémoire ROCm et HIP, tels que global, partagé, constant et local, afin d'optimiser les transferts de données et les accès mémoire.
• Utiliser les modèles d'exécution ROCm et HIP pour contrôler les threads, les blocs et les grilles définissant le parallélisme.
• Debuguer et tester les programmes ROCm et HIP à l'aide d'outils tels que ROCm Debugger et ROCm Profiler.
• Optimiser les programmes ROCm et HIP en appliquant des techniques telles que la consolidation des accès mémoire (coalescing), la mise en cache, le préchargement et le profilage.

CANN (Compute Architecture for Neural Networks) est la boîte à outils de calcul IA de Huawei, utilisée pour compiler, optimiser et déployer des modèles IA sur les processeurs IA Ascend.

Cette formation en présentiel ou en ligne, animée par un instructeur, s'adresse aux développeurs IA débutants souhaitant comprendre comment CANN s'intègre dans le cycle de vie des modèles, de l'entraînement au déploiement, et comment il interagit avec des frameworks tels que MindSpore, TensorFlow et PyTorch.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre l'objectif et l'architecture de la boîte à outils CANN.
• Configurer un environnement de développement avec CANN et MindSpore.
• Convertir et déployer un modèle IA simple sur du matériel Ascend.
• Acquérir des connaissances fondamentales pour de futurs projets d'optimisation ou d'intégration avec CANN.

Format du cours

• Cours interactif et discussions.
• Travaux pratiques avec déploiement de modèles simples.
• Défilement étape par étape de la chaîne d'outils CANN et des points d'intégration.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Ascend, Biren et Cambricon sont des plates-formes matérielles d'intelligence artificielle de premier plan en Chine, chacune offrant des outils d'accélération et de profilage spécifiques pour des charges de travail d'IA à l'échelle de la production.

Cette formation en présentiel ou en ligne, animée par un instructeur, s'adresse aux ingénieurs avancés en infrastructure et en performance de l'IA souhaitant optimiser les workflows d'inférence et d'entraînement de modèles sur plusieurs plates-formes de puces d'IA chinoises.

À l'issue de cette formation, les participants seront en mesure de :

• Réaliser des benchmarks de modèles sur les plates-formes Ascend, Biren et Cambricon.
• Identifier les goulots d'étranglement système et les inefficacités mémoire/calcul.
• Appliquer des optimisations au niveau du graphe, du noyau (kernel) et de l'opérateur.
• Ajuster les pipelines de déploiement pour améliorer le débit et réduire la latence.

Format de la formation

• Cours interactif et discussions.
• Prise en main des outils de profilage et d'optimisation sur chaque plate-forme.
• Exercices guidés axés sur des scénarios de réglage pratiques.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours en fonction de votre environnement de performance ou du type de modèle, veuillez nous contacter afin d'en convenir.

Le SDK CANN (Compute Architecture for Neural Networks) est la base de calcul IA de Huawei, permettant aux développeurs d’affiner et d’optimiser les performances des réseaux de neurones déployés sur des processeurs IA Ascend.

Cette formation en présentiel ou en ligne, animée par un formateur, s’adresse aux développeurs IA et ingénieurs systèmes de niveau avancé souhaitant optimiser les performances d’inférence à l’aide de l’ensemble d’outils avancés de CANN, incluant le moteur de graphes (Graph Engine), TIK et le développement d’opérateurs personnalisés.

À l’issue de cette formation, les participants seront en mesure de :

• Comprendre l’architecture d’exécution de CANN et le cycle de vie des performances.
• Utiliser les outils de profilage et le moteur de graphes pour l’analyse et l’optimisation des performances.
• Créer et optimiser des opérateurs personnalisés à l’aide de TIK et TVM.
• Résoudre les goulots d’étranglement mémoire et améliorer le débit des modèles.

Format de la formation

• Conférence interactive et discussions.
• Travaux pratiques avec profilage en temps réel et réglage des opérateurs.
• Exercices d’optimisation utilisant des exemples de déploiement en conditions limites.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour en convenir.

Les architectures GPU chinoises telles que Huawei Ascend, Biren et les MLUs Cambricon offrent des alternatives à CUDA, spécifiquement adaptées aux marchés locaux de l'IA et du HPC.

Cette formation pratique, animée par un formateur (en ligne ou en présentiel), s'adresse aux programmeurs GPU avancés et aux spécialistes de l'infrastructure souhaitant migrer et optimiser leurs applications CUDA existantes pour un déploiement sur des plateformes matérielles chinoises.

À l'issue de cette formation, les participants seront capables de :

• Évaluer la compatibilité des charges de travail CUDA existantes avec les solutions matérielles chinoises.
• Porter les codebases CUDA vers les environnements Huawei CANN, Biren SDK et Cambricon BANGPy.
• Comparer les performances et identifier les points d'optimisation entre les différentes plateformes.
• Traiter les défis pratiques liés au support multi-architecture et au déploiement.

Format de la formation

• Conférence interactive et échanges.
• Ateliers pratiques de traduction de code et de comparaison des performances.
• Exercices guidés axés sur les stratégies d'adaptation multi-GPU.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, adaptée à votre plateforme ou projet CUDA, veuillez nous contacter afin de convenir des détails.

Cette formation en direct animée par un instructeur à Belgique (en ligne ou sur site) s’adresse aux développeurs de niveau débutant à intermédiaire qui souhaitent utiliser CUDA pour programmer des GPU NVIDIA et exploiter leur parallélisme.

À l’issue de cette formation, les participants seront capables de :

• Configurer un environnement de développement incluant le CUDA Toolkit, un GPU NVIDIA et Visual Studio Code.
• Créer un programme CUDA de base effectuant une addition de vecteurs sur le GPU et récupérant les résultats depuis la mémoire du GPU.
• Utiliser l’API CUDA pour interroger les informations de l’appareil, allouer et libérer de la mémoire appareil, copier des données entre l’hôte et l’appareil, lancer des noyaux (kernels) et synchroniser les threads.
• Utiliser le langage CUDA C/C++ pour écrire des noyaux qui s’exécutent sur le GPU et manipulent les données.
• Utiliser les fonctions intégrées, les variables et les bibliothèques de CUDA pour effectuer des tâches et des opérations courantes.
• Utiliser les espaces mémoire de CUDA, tels que global, partagé, constant et local, pour optimiser les transferts de données et les accès mémoire.
• Utiliser le modèle d’exécution de CUDA pour contrôler les threads, les blocs et les grilles qui définissent le parallélisme.
• Déboguer et tester les programmes CUDA à l’aide d’outils tels que CUDA-GDB, CUDA-MEMCHECK et NVIDIA Nsight.
• Optimiser les programmes CUDA en utilisant des techniques telles que la consolidation (coalescing), la mise en cache, la prédiction (prefetching) et le profilage.

97 % de nos clients satisfaits.

CANN (Compute Architecture for Neural Networks) est la pile de calcul IA de Huawei, conçue pour déployer et optimiser les modèles d'IA sur les processeurs IA Ascend.

Cette formation en présentiel ou à distance, animée par un formateur, s'adresse aux développeurs et ingénieurs en IA de niveau intermédiaire souhaitant déployer efficacement des modèles d'IA entraînés sur le matériel Huawei Ascend, en utilisant la boîte à outils CANN ainsi que des outils tels que MindSpore, TensorFlow ou PyTorch.

À l'issue de cette formation, les participants seront capables de :

• Comprendre l'architecture de CANN et son rôle dans le pipeline de déploiement de l'IA.
• Convertir et adapter des modèles issus de frameworks populaires vers des formats compatibles avec Ascend.
• Utiliser des outils tels que ATC, la conversion de modèles OM et MindSpore pour l'inférence en périphérie et dans le cloud.
• Diagnostiquer les problèmes de déploiement et optimiser les performances sur le matériel Ascend.

Format de la formation

• Cours interactif accompagné de démonstrations.
• Travaux pratiques avec les outils CANN et des simulateurs ou appareils Ascend.
• Scénarios de déploiement concrets basés sur des modèles d'IA réels.

Options de personnalisation de la formation

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter afin de l'organiser.

Les accélérateurs IA Biren sont des GPU hautes performances conçus pour les charges de travail d'IA et HPC, prenant en charge l'entraînement et l'inférence à grande échelle.

Cette formation en direct, animée par un formateur (en ligne ou sur site), s'adresse aux développeurs de niveau intermédiaire à avancé souhaitant programmer et optimiser des applications à l'aide de la pile GPU propriétaire de Biren, avec des comparaisons pratiques par rapport aux environnements basés sur CUDA.

À l'issue de cette formation, les participants seront en mesure de :

• Comprendre l'architecture des GPU Biren et leur hiérarchie mémoire.
• Configurer l'environnement de développement et utiliser le modèle de programmation de Biren.
• Traduire et optimiser le code de style CUDA pour les plateformes Biren.
• Appliquer des techniques de réglage des performances et de débogage.

Format du cours

• Conférence interactive et discussion.
• Utilisation pratique du SDK Biren sur des exemples de charges de travail GPU.
• Exercices guidés axés sur le portage et le réglage des performances.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours basée sur votre pile d'applications ou vos besoins d'intégration, veuillez nous contacter pour organiser cela.

Les UIM (Unités d'Informatique pour l'IA) de Cambricon sont des puces spécialisées dans le domaine de l'IA, optimisées pour l'inférence et l'entraînement dans des contextes de périphérie (edge) et de centres de données.

Ce training animé par un instructeur (en ligne ou en présentiel) s'adresse aux développeurs de niveau intermédiaire souhaitant construire et déployer des modèles d'IA en utilisant le framework BANGPy et le SDK Neuware sur du matériel Cambricon MLU.

À l'issue de ce training, les participants seront capables de :

• Configurer et mettre en place les environnements de développement BANGPy et Neuware.
• Développer et optimiser des modèles basés sur Python et/ou C++ pour les UIM Cambricon.
• Déployer des modèles sur des périphériques de périphérie et de centres de données fonctionnant avec le runtime Neuware.
• Intégrer les workflows ML avec les fonctionnalités d'accélération spécifiques aux UIM.

Format du cours

• Conférences interactives et discussions.
• Pratique de BANGPy et Neuware pour le développement et le déploiement.
• Exercices guidés axés sur l'optimisation, l'intégration et les tests.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours basée sur votre modèle d'appareil Cambricon ou votre cas d'utilisation, veuillez nous contacter pour convenir des détails.

Cette formation en direct, animée par un formateur, à Belgique (en ligne ou sur site), s'adresse aux administrateurs système et aux professionnels de l'informatique de niveau débutant souhaitant installer, configurer, gérer et dépanner des environnements CUDA.

À l'issue de cette formation, les participants seront capables de :

• Comprendre l'architecture, les composants et les capacités de CUDA.
• Installer et configurer des environnements CUDA.
• Gérer et optimiser les ressources CUDA.
• Déboguer et résoudre les problèmes courants liés à CUDA.

Cette formation en présentiel ou à distance en <lieu>, animée par un instructeur, s'adresse aux développeurs de niveau débutant à intermédiaire qui souhaitent utiliser OpenCL pour programmer des appareils hétérogènes et exploiter leur parallélisme.

À l'issue de cette formation, les participants seront capables de :

• Mettre en place un environnement de développement comprenant le SDK OpenCL, un appareil prenant en charge OpenCL et Visual Studio Code.
• Créer un programme OpenCL de base effectuant une addition de vecteurs sur l'appareil et récupérant les résultats de la mémoire de l'appareil.
• Utiliser l'API OpenCL pour interroger les informations sur l'appareil, créer des contextes, des files d'attente de commandes, des tampons, des noyaux et des événements.
• Utiliser le langage C d'OpenCL pour écrire des noyaux qui s'exécutent sur l'appareil et manipulent les données.
• Utiliser les fonctions intégrées, les extensions et les bibliothèques d'OpenCL pour effectuer des tâches et opérations courantes.
• Utiliser les modèles de mémoire hôte et appareil d'OpenCL pour optimiser les transferts de données et les accès mémoire.
• Utiliser le modèle d'exécution d'OpenCL pour contrôler les éléments de travail, les groupes de travail et les étendues ND.
• Déboguer et tester les programmes OpenCL en utilisant des outils tels que CodeXL, Intel VTune et NVIDIA Nsight.
• Optimiser les programmes OpenCL en utilisant des techniques telles que la vectorisation, le déroulage de boucles, la mémoire locale et le profilage.

Cette formation en direct, encadrée par un instructeur en Belgique (en ligne ou sur site), s'adresse aux développeurs de niveau intermédiaire souhaitant utiliser CUDA pour créer des applications Python fonctionnant en parallèle sur les GPU NVIDIA.

À l'issue de cette formation, les participants seront capables de :

• Utiliser le compilateur Numba pour accélérer les applications Python s'exécutant sur les GPU NVIDIA.
• Créer, compiler et lancer des noyaux CUDA personnalisés.
• Gérer la mémoire du GPU.
• Convertir une application basée sur le CPU en une application accélérée par le GPU.

Ce cours de formation en présentiel, dirigé par un instructeur, en Belgique couvre la programmation des GPU pour le calcul parallèle, l'utilisation de différentes plateformes, le travail avec la plateforme CUDA et ses fonctionnalités, ainsi que la mise en œuvre de diverses techniques d'optimisation avec CUDA. Parmi les applications, on retrouve l'apprentissage profond, l'analyse de données, le traitement d'images et les applications techniques.