GPU Trainingen in Leuven

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 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 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 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 door instructeurs geleide training in Leuven (online of ter plaatse) is speciaal bedoeld voor ontwikkelaars met een basis- tot middenniveau die CUDA wensen te gebruiken om NVIDIA-GPU’s te programmeren en hun parallelle capaciteiten optimaal uit te buiten.

Aan het einde van deze training kunnen deelnemers:

• Een ontwikkelomgeving instellen met CUDA Toolkit, een NVIDIA-GPU en Visual Studio Code.
• Een eenvoudig CUDA-programma schrijven dat vectoroptelling op de GPU uitvoert en resultaten terugleest uit het geheugen.
• CUDA API gebruiken om systeeminformatie te verzamelen, geheugen toe te wijzen/dealloceren, data over te dragen tussen host en device, kernels te starten en threads te synchroniseren.
• CUDA C/C++ toepassen om kernels die op de GPU draaien te coderen en data te verwerken.
• Bovenstaande CUDA-functies, variabelen en -bibliotheken implementeren voor gangbare taken.
• Globale, gedeelde, constante of lokale geheugengebieden beheren om gegevensstromen en geheugentoegang te optimaliseren.
• Het uitvoeringsmodel van CUDA bepalen door threads, blokken en grids in te stellen voor parallelle verwerking.
• CUDA-programma’s debuggen en testen met behulp van tools zoals CUDA-GDB, CUDA-MEMCHECK en NVIDIA Nsight.
• Hun programma's verbeteren door gebruik te maken van technieken als coalescing, caching, prefetching en profilering.

97% van onze klanten geeft een positieve beoordeling. 

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 begeleide live-training in Leuven (online of ter plaatse) richt zich op ontwikkelaars met een beginners- tot intermediair niveau die OpenCL willen gebruiken om heterogene apparaten te programmeren en hun parallelisme optimaal te benutten.

Na het volgen van deze training zullen deelnemers in staat zijn tot:

• Het instellen van een ontwikkelomgeving die OpenCL SDK, een OpenCL-compatibel apparaat en Visual Studio Code omvat.
• Het schrijven van een eenvoudig OpenCL-programma dat vectoroptellingen uitvoert op het apparaat en de resultaten uit het geheugen van het apparaat haalt.
• Het gebruik van de OpenCL API om informatie over apparaten te verkrijgen, contexten, commando-queues, buffers, kernels en events aan te maken.
• Het schrijven van kernels in OpenCL C die op het apparaat draaien en gegevens manipuleren.
• Het benutten van ingebouwde OpenCL-functies, extensies en bibliotheken om veelvoorkomende taken uit te voeren.
• Het gebruik van de host- en device-geheugenmodellen van OpenCL voor het optimaliseren van gegevensoverdracht en geheugentoegang.
• Het beheren van werk-items, werkgroepen en ND-ranges door middel van het OpenCL-uitvoeringsmodel.
• Het debuggen en testen van OpenCL-programma’s met behulp van hulpmiddelen zoals CodeXL, Intel VTune en NVIDIA Nsight.
• Het verbeteren van OpenCL-programma’s door technieken als vectorisatie, ontwikkeling van lussen, gebruik van lokaal geheugen en profilering toe te passen.

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.