NVIDIA GPU-programmeren – uitgebreide cursus Training Cursus

Inleiding

Grondslagen van heterogene computatiemethoden begrijpen

Waarom parallelle berekeningen? De noodzaak van parallel computing onder de loep genomen

Meerkernprocessoren – architectuur en ontwerp

Inleiding tot threads: basisprincipes en beginselen van parallel programmeren

Grondslagen van softwareoptimalisatie op GPU’s verkennen

OpenMP: een standaard voor richtlijngebaseerd parallel programmeren

Praktische oefeningen/demonstraties met diverse programma’s op meerkernmachines

Inleiding tot GPU-computing

GPU’s inzetten voor parallelle berekeningen

Het programmeermodel voor GPU’s begrijpen

Praktische oefeningen/demonstraties met diverse programma’s op GPU's

SDK, hulpmiddelenpakket en installatie van een GPU-omgeving

Werken met verschillende softwarebibliotheken

Demonstatie van GPU-technologie en gereedschappen aan de hand van voorbeeldprogramma’s en OpenACC

Het CUDA-programmeermodel verklaren

De architectuur van CUDA leren kennen

CUDA-ontwikkelomgevingen instellen en gebruiken

Werken met de CUDA Runtime API

Het geheugenmodel in CUDA begrijpen

Aanvullende functies van de CUDA-API ontdekken

Efficiënt gebruik van globaal geheugen in CUDA: optimalisatie technieken

Data-overdrachten optimaliseren met CUDA Streams

Gedeeld geheugen effectief benutten in CUDA

Atomaire bewerkingen en instructies in CUDA gebruiken en begrijpen

Casestudy: Basisbeeldverwerking met behulp van CUDA

Programmeren op meerdere GPU’s aanpakken

Gevorderde analyse- en bemonsteringstechnieken voor NVIDIA/CUDA-hardware

De CUDA Dynamic Parallelism API benutten voor dynamische kernelopstartingen

Samenvatting en conclusie