Online of op locatie, door een instructeur geleide live GPU (Graphics Processing Unit)-cursussen tonen aan de hand van interactieve discussie en praktische oefeningen de basisbegrippen van GPU's en hoe u GPU's programmeert.
GPU-training is beschikbaar als "online live training" of "onsite live training". Online live training (ook bekend als "remote live training") wordt uitgevoerd via een interactieve remote desktop. Onsite live training kan op locatie bij de klant in Leuven of in de corporate training centers van NobleProg in Leuven worden aangeboden.
NobleProg -- Uw lokale trainingsprovider
Leuven
Park Inn by Radisson Leuven, Martelarenlaan 36, Louvain, België, 3010
Leuven
Leuven (in het Nederlands Leuven, in het Duits Löwen) is een Nederlandstalige stad in België gelegen in het Vlaamse Gewest, hoofdstad van de provincie Vlaams-Brabant en hoofdstad van het district dat zijn naam draagt. Het wordt bewaterd door de Dijle, een zijrivier van de Rupel. Het is een universiteitsstad waar de Katholieke Universiteit Leuven is gevestigd, een Nederlandstalige tak ontstaan uit de splitsing van de oudste universiteit van België. Leuven staat ook bekend om het hoofdkantoor van AB InBev, de grootste brouwerij ter wereld. Leuven is de bierhoofdstad van België.
De dichtstbijzijnde luchthaven bij het trainingscentrum
15 kilometer ten oosten van de luchthaven van Brussel.
Dichtstbijzijnde treinstation bij het trainingscentrum
Station Leuven
De dichtstbijzijnde parkeerplaats bij het trainingscentrum
Deze door een instructeur begeleide training in Leuven leidt AI-engineers van intermediair niveau aan om neurale netwerksmodellen te bouwen en te optimaliseren met het Huawei Ascend-platform en de CANN-toolkit. Deelnemers configureren omgevingen, ontwikkelen toepassingen met MindSpore en rollen modellen uit in edge- of cloudomgevingen.
Deze live training met instructeur in Leuven verkent de AI-stapel van Huawei, van het CANN SDK tot het MindSpore-framework. Het helpt beginnende en intermediaire professionals om te begrijpen hoe deze componenten worden geïntegreerd op Ascend-hardware voor levenscyclusbeheer en implementatie.
Deze door een instructeur begeleide, live-training in Leuven (online of op locatie) is bedoeld voor ontwikkelaars met weinig tot gemiddelde ervaring die OpenACC willen gebruiken om te programmeren op heterogene apparaten en hun parallelisme optimaal te benutten.
Aan het einde van deze training kunnen deelnemers:
Een OpenACC-ontwikkelomgeving instellen.
Een basis-OpenACC-programma schrijven en uitvoeren.
Code annoteren met OpenACC-directieven en clausules.
De OpenACC-API en -bibliotheken gebruiken.
OpenACC-programma’s profileren, debuggen en optimaliseren.
Deze live training door een trainer over Leuven behandelt het implementeren en optimaliseren van CV- en NLP-modellen met behulp van de CANN SDK voor Ascend-hardware. Deelnemers leren modellen om te zetten, ze te integreren in live pipelines en de inferentieprestaties te verbeteren voor real-time detectie en analyse.
Deze door een instructeur geleide, live-training in Leuven (online of op locatie) is bedoeld voor ontwikkelaars met basis- en gemiddelde kennis die de fundamentele aspecten van GPU-programmeren willen leren, evenals de belangrijkste frameworks en hulpmiddelen voor het ontwikkelen van GPU-applicaties.
Aan het einde van deze training zijn de deelnemers in staat om: Het verschil tussen CPU- en GPU-computing te begrijpen, evenals de voordelen en uitdagingen van GPU-programmeren.
Het juiste framework en hulpmiddel te kiezen voor hun GPU-applicatie.
Een eenvoudig GPU-programma te schrijven dat vectoroptelling uitvoert met behulp van één of meerdere frameworks en hulpmiddelen.
De respectieve API’s, programmeertalen en bibliotheken te gebruiken om informatie over apparaten op te vragen, geheugen toe te wijzen en vrij te geven, data tussen host en device te kopiëren, kernels te starten en threads te synchroniseren.
De verschillende soorten geheugens zoals globaal, lokaal, constant en privaat te gebruiken om het overdragen van data en toegang tot geheugen te optimaliseren.
De diverse uitvoeringsmodellen – zoals work-items, work-groups, threads, blocks en grids – toe te passen om de parallelle verwerking te beheren.
GPU-programma’s te debuggen en testen met behulp van tools als CodeXL, CUDA-GDB, CUDA-MEMCHECK en NVIDIA Nsight.
GPU-programma’s te optimaliseren door gebruik te maken van technieken zoals coalescing, caching, prefetching en profiling.
Deze live cursus met docent in Leuven stelt geavanceerde ontwikkelaars in staat op maat gemaakte AI-operatoren te bouwen, te implementeren en af te stemmen. Deelnemers maken een master van de integratie van CANN TIK en Apache TVM, waardoor geavanceerde optimalisatie en planning mogelijk zijn op Huawei Ascend-hardware voor prestaties in de praktijk.
Deze door een instructeur geleide live-training in Leuven (online of ter plaatse) is bedoeld voor ontwikkelaars met basis- tot middenniveau die verschillende frameworks voor GPU-programmeren wensen te gebruiken en hun kenmerken, prestaties en compatibiliteit willen vergelijken.
Na afloop zullen deelnemers in staat zijn tot:
Een ontwikkelomgeving configureren met OpenCL SDK, CUDA Toolkit, ROCm Platform, een apparaat dat OpenCL, CUDA of ROCm ondersteunt en Visual Studio Code.
Een basis-GPU-programma creëren dat vectoradditie bewerkt met behulp van OpenCL, CUDA en ROCm; vervolgens de syntax, structuur en uitvoering van elk framework analyseren.
De specifieke API’s benutten voor het opvragen van apparaatinformatie, beheer van geheugen, overdracht van data tussen host en device, starten van kernels en synchronisatie van threads.
De betreffende programmeertalen hanteren om kernels te schrijven die op het device draaien en data bewerken.
Ingebouwde functies, variabelen en bibliotheken gebruiken voor gangbare berekeningen en taakuitvoering.
Verschillende geheugenruimtes zoals globaal, lokaal, constant of privaat toepassen om dataoverdracht en geheugentoegang te optimaliseren.
Het uitvoeringsmodel van elk framework benutten om threads, blokken en grids te bepalen die de parallelle verwerking sturen.
GPU-programma’s debuggen en testen met hulpmiddelen zoals CodeXL, CUDA-GDB, CUDA-MEMCHECK en NVIDIA Nsight.
Technieken als coalescing, caching, prefetching en profilering gebruiken om GPU-code te optimaliseren.
Deze trainergestuurde training in Leuven introduceert CloudMatrix voor schaalbare AI-inferentie. Leer modellen te implementeren, optimaliseren en monitoren met behulp van CANN en MindSpore. Praktische oefeningen behandelen verpakking, conversie, bedienen en prestatie-afstemming voor realtime- en batch-werkbelastingen.
Deze live training onder leiding van een instructeur in Leuven behandelt de kernconcepten en de praktische basisvaardigheden voor het implementeren van AI-modellen op Ascend-edge-apparaten met de CANN-toolkit. Dit helpt deelnemers om praktische vaardigheden op te bouwen voor het compileren, optimaliseren en beheren van beperkte omgevingen.
Deze door een docent geleide live-training in Leuven (online of op locatie) richt zich op ontwikkelaars van begin- tot middenniveau die ROCm op Windows willen installeren om AMD-GPU’s te programmeren en hun parallelle verwerkingsvermogen optimaal uit te buiten.
Aan het einde van deze training zullen deelnemers in staat zijn tot:
Een ontwikkelomgeving opzetten die ROCm Platform, een AMD-GPU en Visual Studio Code onder Windows omvat.
Een eenvoudig ROCm-programma schrijven dat vectoradditie uitvoert op de GPU en het resultaat vervolgens vanuit het GPU-geheugen ophaalt.
De ROCm-API gebruiken om informatie over het apparaat te verkrijgen, geheugen toe te wijzen en vrij te geven, gegevens tussen host en device over te dragen, kernels te starten en threads te synchroniseren.
HIP-taal toepassen voor het schrijven van kernels die op de GPU worden uitgevoerd en gegevens bewerken.
Ingebouwde HIP-functies, variabelen en bibliotheken gebruiken om veelvoorkomende taken efficiënt te verrichten.
ROCm- en HIP-geheugenruimtes zoals global, shared, constant en local inzetten om gegevensoverdracht en toegang tot het geheugen te optimaliseren.
Het ROCm- en HIP-uitvoeringsmodel gebruiken om threads, blokken en grids te sturen die de parallelle uitvoering bepalen.
ROCm- en HIP-programma’s debuggen en testen met behulp van tools zoals de ROCm Debugger en ROCm Profiler.
ROCm- en HIP-programma’s verbeteren door technieken als coalescing, caching, prefetching en profilering toe te passen.
Deze door instructeurs begeleide training in Leuven (online of ter plaatse) richt zich op ontwikkelaars van beginners- tot gevorderdenniveau die ROCm en HIP willen benutten voor het programmeren van AMD-GPU’s en het maximaliseren van hun parallelle werking.
Aan het einde van deze training zullen deelnemers in staat zijn om:
Een ontwikkelomgeving op te zetten waarin ROCm Platform, een AMD-GPU en Visual Studio Code aanwezig zijn.
Een eenvoudig ROCm-programma te schrijven dat vectoradditie uitvoert op de GPU en de resultaten vervolgens uit het GPU-geheugen haalt.
De ROCm-API te gebruiken voor het raadplegen van apparaatinformatie, het reserveren en vrijgeven van geheugen, het overdragen van data tussen host en device, het starten van kernels en het synchroniseren van threads.
De HIP-taal te hanteren voor het schrijven van kernels die op de GPU worden uitgevoerd en data bewerken.
Ingebouwde functies, variabelen en bibliotheken in HIP te gebruiken voor veelvoorkomende taken en operaties.
ROCm- en HIP-geheugentypen zoals globaal, gedeeld, constant en lokaal in te zetten om data-overdrachten en geheugentoegang te optimaliseren.
De uitvoeringsmodellen van ROCm en HIP toe te passen voor het beheren van threads, blokken en grids die de parallelle werking vormgeven.
ROCm- en HIP-programma’s te debuggen en testen met behulp van hulpmiddelen zoals ROCm Debugger en ROCm Profiler.
ROCm- en HIP-programma’s te optimaliseren door middel van technieken als coëlescentie, caching, prefetching en profilering.
Deze live-training in Leuven introduceert het CANN-toolkit voor AI-frameworkontwikkelaars. Leer om omgevingen in te stellen, modellen te converteren en applicaties te implementeren op Ascend-hardware met gebruik van MindSpore, TensorFlow of PyTorch, waarbij de volledige workflow van training tot inferentie wordt behandeld.
Optimaliseer AI-workloads op Ascend, Biren en Cambricon met deze hands-on training in Leuven. Leer hoe u modellen benchmarkt, flessen identificeert en optimalisaties op graaf-, kernel- en operatorniveau toepast. Tune deployment-pipelines om throughput en latentie te verbeteren op deze toonaangevende platformen.
Optimaliseer de prestaties van neurale netwerk-inferentie op Ascend AI-processors met deze geavanceerde, live training met instructeur in Leuven. Ontdek de runtime-architectuur van CANN en gebruik de Graph Engine, TIK en TVM voor profilering, ontwikkeling van aangepaste operators en het oplossen van geheugenhalsen.
Migreer CUDA-toepassingen naar Chinese GPU-architecturen zoals Huawei Ascend en Biren in Leuven. Deze interactieve cursus begeleidt geavanceerde programmeurs door code-overzetting en prestatieoptimalisatie, met praktijke labo's voor het migreren van CUDA-codebases naar nieuwe SDK's.
Deze interactieve, live training in Leuven (online of ter plekke) is bedoeld voor ontwikkelaars met beginner- tot intermediair niveau die CUDA willen gebruiken om NVIDIA GPU's te programmeren en hun parallelle capaciteiten te benutten.
Na afloop van deze training zijn deelnemers in staat om:
Een ontwikkelomgeving in te stellen met CUDA Toolkit, een NVIDIA GPU en Visual Studio Code.
Een basale CUDA-programma te maken dat vectoroptelling op de GPU uitvoert en de resultaten ophaalt uit het GPU-geheugen.
De CUDA API te gebruiken om apparaatgegevens op te vragen, geheugen toe te wijzen en vrij te geven, data over te kopiëren tussen host en device, kernels te starten en threads te synchroniseren.
CUDA C/C++ te gebruiken om kernels te schrijven die op de GPU worden uitgevoerd en data manipuleren.
Ingebouwde CUDA-functies, variabelen en bibliotheken te gebruiken voor veelvoorkomende taken en operaties.
CUDA-geheugenspaces, zoals globale, gedeelde, constante en lokale geheugens, te gebruiken om data-overdracht en geheugen toegang te optimaliseren.
Het CUDA-uitvoeringsmodel te gebruiken om de threads, blokken en roosters te beheren die de parallelisme definiëren.
CUDA-programma's te debuggen en te testen met tools zoals CUDA-GDB, CUDA-MEMCHECK en NVIDIA Nsight.
CUDA-programma's te optimaliseren met technieken zoals coalescing, caching, prefetching en profiling.
Deze live training in Leuven leidt intermediaire AI-ontwikkelaars door de implementatie van modellen op Ascend-processors met behulp van de CANN-toolkit. Leer hoe u frameworks zoals PyTorch en TensorFlow konverteert, prestaties optimaliseert en problemen oplost voor efficiënte edge- en cloud-inferentiescenario's.
Deze live training in Leuven biedt ontwikkelaars de vaardigheden om toepassingen te programmeren en te optimaliseren op Biren AI-accelerators. Deelnemers leren de GPU-architectuur, zetten de SDK op en vertalen CUDA-code naar Biren. De focus ligt op prestatietuning en foutopsporings technieken.
Deze live, door een docent begeleide training in Leuven ontwikkelt de vaardigheden van ontwikkelaars om AI-modellen te bouwen en te implementeren met behulp van BANGPy en Neuware op Cambricon MLU's. Deelnemers configureren omgevingen, ontwikkelen geoptimaliseerde modellen en integreren MLU-versnelling in edge- en datacenter-toepassingen.
Deze praktijkgerichte training onder begeleiding van een instructeur in Leuven (online of op locatie) richt zich op systeembeheerders en IT-professionals met weinig tot geen ervaring die CUDA-omgevingen willen installeren, configureren, beheren en probleemoplossen.
Aan het einde van deze training zullen de deelnemers in staat zijn om te:
De architectuur, componenten en mogelijkheden van CUDA te begrijpen.
CUDA-omgevingen te installeren en configureren.
CUDA-bronnen te beheren en te optimaliseren.
Veelvoorkomende problemen met CUDA te debuggen en op te lossen.
Deze door een docent geleide, live training in Leuven (online of op locatie) is bedoeld voor ontwikkelaars met een beginnend tot intermediate niveau die OpenCL willen gebruiken om heterogene apparaten te programmeren en hun parallelisme te benutten.
Aan het einde van deze training kunnen deelnemers:
Een ontwikkelomgeving inrichten met de OpenCL SDK, een OpenCL-ondersteunend apparaat en Visual Studio Code.
Een basale OpenCL-programma maken dat vectoriële optelling op het apparaat uitvoert en de resultaten opvraagt uit het apparaatgeheugen.
De OpenCL API gebruiken om apparaatinformatie op te vragen en contexten, commando's, buffers, kernels en gebeurtenissen te maken.
De OpenCL C-taal gebruiken om kernels te schrijven die op het apparaat worden uitgevoerd en gegevens manipuleren.
OpenCL ingebouwde functies, extensies en bibliotheken gebruiken voor veelvoorkomende taken en bewerkingen.
De OpenCL host- en apparaatgeheugenmodellen gebruiken om datatransfers en geheugentoegang te optimaliseren.
Het OpenCL uitvoeringsmodel gebruiken om werk-items, werk-groepen en ND-reeksen te beheren.
OpenCL-programma's debuggen en testen met tools zoals CodeXL, Intel VTune en NVIDIA Nsight.
OpenCL-programma's optimaliseren met technieken zoals vectorisatie, loop-unrolling, lokaal geheugen en profilering.
Deze praktijkgerichte training onder leiding van een instructeur in Leuven (online of op locatie) richt zich op C++-ontwikkelaars die CUDA willen gebruiken om applicaties te versnellen, hoogperformante GPU-kernels te schrijven en parallelle algoritmebibliotheken in te zetten voor wetenschappelijk onderzoek, dataverwerking en machine learning-toepassingen.
Deze door een instructeur geleide training in Leuven (online of op locatie) richt zich op C/C++-ontwikkelaars die CUDA willen benutten om rekenintensieve applicaties te versnellen, waaronder dataverwerking, wetenschappelijke simulaties, machine learning-processen en beeldbewerkingspipeline.
Deze training onder begeleiding van een instructeur in Leuven (online of ter plaatse) is bedoeld voor softwareontwikkelaars, data-analysten en technische professionals die TensorFlow 2.x en Keras gebruiken om diep leer-modellen te ontwikkelen, trainen en toepassen binnen computervisie, natuurlijke taalverwerking en multimodale systemen.
In deze door een instructeur geleide live-cursus in Leuven leert u hoe u GPU's programmeert voor parallelle berekeningen, hoe u verschillende platforms gebruikt, hoe u werkt met het CUDA-platform en diens functies, en hoe u diverse optimalisatietechnieken toepast met behulp van CUDA. Deze technieken vinden toepassing in onder andere deep learning, data-analyse, beeldverwerking en technische simulaties.
Lees meer...
Laatst bijgewerkt:
Getuigenissen (1)
De energie en humor van de trainer.
Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.
GPU training cursus in Leuven, GPU (Graphics Processing Unit) opleiding cursus in Leuven, Weekend Graphics Processing Unit (GPU) cursus in Leuven, Avond Graphics Processing Unit (GPU) training in Leuven, Graphics Processing Unit (GPU) instructeur geleid Leuven, Graphics Processing Unit on-site in Leuven, Graphics Processing Unit een op een training in Leuven, Graphics Processing Unit (GPU) boot camp in Leuven, Graphics Processing Unit (GPU) instructeur in Leuven, GPU op locatie in Leuven, Avond Graphics Processing Unit cursus in Leuven, GPU coaching in Leuven, Weekend GPU (Graphics Processing Unit) training in Leuven, Graphics Processing Unit instructeur geleid in Leuven,Graphics Processing Unit lessen in Leuven, GPU trainer in Leuven, Graphics Processing Unit (GPU) privé cursus in Leuven, GPU een op een opleiding in Leuven
