Mulțumim pentru trimiterea solicitării! Un membru al echipei noastre vă va contacta în curând.
Mulțumim pentru trimiterea rezervării! Un membru al echipei noastre vă va contacta în curând.
Schița de curs
Prezentarea ecosistemului GPU chinezesc pentru AI
- Comparație între Huawei Ascend, Biren, Cambricon MLU
- Modele CUDA vs CANN, Biren SDK și BANGPy
- Tendințe din industrie și ecosistemele vendorilor
Pregătirea pentru migrare
- Evaluarea codului tău CUDA
- Identificarea platformelor țintă și a versiunilor SDK
- Instalarea toolchain-ului și configurarea mediului
Tehnici de traducere a codului
- Portarea accesului la memorie CUDA și a logicii kernel-urilor
- Maparea modelelor de grid/thread-uri de calcul
- Opțiuni de traducere automată vs manuală
Implementări specifice platformei
- Utilizarea operatorilor Huawei CANN și a kernel-urilor custom
- Pipeline-ul de conversie Biren SDK
- Reconstruirea modelelor cu BANGPy (Cambricon)
Testare și optimizare cross-platform
- Profilarea execuției pe fiecare platformă țintă
- Tuning-ul memoriei și comparații de execuție paralelă
- Monitorizarea performanței și iterație
Gestionarea mediilor GPU mixte
- Implementări hibride cu mai multe arhitecturi
- Strategii de fallback și detectarea dispozitivelor
- Straturi de abstractizare pentru mentenabilitatea codului
Studii de caz și bune practici
- Portarea modelelor de vision/NLP pe Ascend sau Cambricon
- Adaptarea pipeline-urilor de inferență pe clustere Biren
- Gestionarea nepotrivirilor de versiuni și a golurilor API
Rezumat și pașii următori
Cerințe
- Experiență în programarea cu CUDA sau aplicații bazate pe GPU
- Înțelegerea modelelor de memorie GPU și a kernel-urilor de calcul
- Familiaritate cu fluxurile de lucru de implementare sau accelerare a modelelor AI
Public țintă
- Programatori GPU
- Arhitecți de sistem
- Specialiști în portare
21 Ore
