Entrar em Contato

Programa do Curso

Introdução à Arquitetura de GPU da Biren

  • Visão geral da Biren e casos de uso
  • Layout de hardware: núcleos, memória e clusters de computação
  • Comparação com GPUs da NVIDIA e AMD

Configurando o Ambiente de Programação Biren

  • Instalação do SDK Biren e runtime
  • Entendendo a cadeia de ferramentas e o modelo do compilador
  • Estrutura básica do projeto e processo de build

Programação de GPU com o Stack Biren

  • Modelos de thread e bloco
  • Gerenciamento de memória e transferências de dados
  • Desenvolvimento de kernels e padrões de execução

Portabilidade de CUDA para Biren

  • Técnicas de tradução para código CUDA
  • Mapeamentos e adaptações comuns de APIs
  • Laboratórios de conversão de código e prática

Depuração e Perfilamento

  • Utilizando o depurador e perfilador da Biren
  • Identificação de gargalos
  • Padrões de acesso à memória e otimização

Técnicas de Otimização

  • Agendamento de threads e pipeline de instruções
  • Unrolling de loops e uso de memória compartilhada
  • Ajuste avançado de kernels para throughput

Estudo de Caso e Exemplos de Aplicação

  • Treinando um modelo com aceleradores Biren
  • Portabilidade e perfilamento de modelos de visão ou NLP
  • Comparação de desempenho vs CUDA/NVIDIA

Resumo e Próximos Passos

Requisitos

  • Compreensão da arquitetura de GPU e processamento paralelo
  • Experiência com CUDA, OpenCL ou ambientes de programação de GPU semelhantes
  • Familiaridade com frameworks de aprendizado profundo, como PyTorch ou TensorFlow

Público-Alvo

  • Desenvolvedores HPC
  • Engenheiros de infraestrutura de IA
  • Especialistas em otimização de desempenho
 21 Horas

Número de participantes


Preço por participante

Testemunhos de Clientes (2)

Próximas Formações Provisórias

Categorias Relacionadas