Administration of CUDA培訓

這種以講師為主導的台灣現場現場培訓面向希望使用CUDA 構建在NVIDIA GPU上並行運行的Python應用程式的開發人員。

在培訓結束時，參與者將能夠：

• 使用 Numba 編譯器加速在 NVIDIA GPU 上運行的 Python 應用程式。
• 創建、編譯和啟動自定義 CUDA 內核。
• 管理 GPU 記憶體。
• 將基於 CPU 的應用程式轉換為 GPU 加速的應用程式。

這種以講師為主導的台灣現場現場培訓面向希望使用ROCm和HIP對AMD GPU進行程式設計並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 設置包含 ROCm 平臺、AMD GPU 和 Visual Studio 代碼的開發環境。
• 創建一個基本的 ROCm 程式，該程式對 GPU 執行向量加法並從 GPU 記憶體中檢索結果。
• 使用 ROCm API 查詢設備資訊、分配和釋放裝置記憶體、在主機和設備之間複製數據、啟動內核和同步線程。
• 使用 HIP 語言編寫在 GPU 上執行的內核並操作數據。
• 使用 HIP 內置函數、變數和庫來執行常見任務和操作。
• 使用 ROCm 和 HIP 記憶體空間（如全域、共用、常量和本地）來優化數據傳輸和記憶體訪問。
• 使用 ROCm 和 HIP 執行模型來控制定義並行度的線程、塊和網格。
• 使用 ROCm Debugger 和 ROCm Profiler 等工具調試和測試 ROCm 和 HIP 程式。
• 使用合併、緩存、預取和分析等技術優化 ROCm 和 HIP 程式。

This course covers how to program GPUs for parallel computing. Some of the applications include deep learning, analytics, and engineering applications.

這種以講師為主導的台灣現場現場培訓針對的是希望學習GPU程式設計基礎知識以及開發GPU應用程式的主要框架和工具的初級到中級開發人員。

• 在培訓結束時，參與者將能夠：
  瞭解 CPU 和 GPU 計算之間的區別以及 GPU 程式設計的好處和挑戰。
• 為他們的 GPU 應用程式選擇正確的框架和工具。
• 創建一個基本的 GPU 程式，該程式使用一個或多個框架和工具執行向量加法。
• 使用相應的 API、語言和庫來查詢設備資訊、分配和解除分配設備記憶體、在主機和設備之間複製數據、啟動內核以及同步線程。
• 使用相應的記憶體空間（如全域、本地、常量和專用）來優化數據傳輸和記憶體訪問。
• 使用相應的執行模型（如工作項、工作組、線程、塊和網格）來控制並行度。
• 使用 CodeXL 、 CUDA-GDB 、 CUDA-MEMCHECK 和 NVIDIA Nsight 等工具調試和測試 GPU 程式。
• 使用合併、緩存、預取和分析等技術優化 GPU 程式。

這種以講師為主導的台灣現場現場培訓（現場或遠端）面向希望使用CUDA對NVIDIA GPU進行程式設計並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 設置包含 CUDA 工具組、NVIDIAGPU 和 Visual Studio 代碼的開發環境。
• 創建一個基本的 CUDA 程式，該程式對 GPU 執行向量加法並從 GPU 記憶體中檢索結果。
• 使用 CUDA API 查詢設備資訊、分配和釋放設備記憶體、在主機和設備之間複製數據、啟動內核和同步線程。
• 使用 CUDA C/C++ 語言編寫在 GPU 上執行的內核並操作數據。
• 使用 CUDA 內建函數、變數和庫來執行常見任務和操作。
• 使用 CUDA 記憶體空間（例如全域、共用、常量和本地）來優化數據傳輸和記憶體訪問。
• 使用 CUDA 執行模型來控制定義並行度的線程、塊和網格。
• 使用 CUDA-GDB、CUDA-MEMCHECK 和 NVIDIA Nsight 等工具調試和測試 CUDA 程式。
• 使用合併、緩存、預取和分析等技術優化 CUDA 程式。

這種由講師指導的現場培訓台灣（在線或遠端）面向希望使用 OpenACC 對異構設備進行程式設計並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 設置一個開發環境，其中包含 OpenACC SDK、支援 OpenACC 的設備和 Visual Studio 代碼。
• 創建一個基本的 OpenACC 程式，用於在設備上執行向量加法並從設備記憶體中檢索結果。
• 使用 OpenACC 指令和子句對代碼進行註釋，並指定並行區域、數據移動和優化選項。
• 使用 OpenACC API 查詢裝置資訊、設置設備編號、處理錯誤和同步事件。
• 使用 OpenACC 庫和互操作性功能將 OpenACC 與其他程式設計模型（如 CUDA、OpenMP 和 MPI）集成。
• 使用 OpenACC 工具分析和調試 OpenACC 程式，並確定性能瓶頸和機會。
• 使用數據局部性、迴圈融合、內核融合和自動調優等技術優化 OpenACC 程式。

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望使用OpenCL對異構設備進行程式設計並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 設置包含 OpenCL SDK、支援 OpenCL 和 Visual Studio 代碼的設備的開發環境。
• 創建一個基本的 OpenCL 程式，該程式在設備上執行向量加法並從設備記憶體中檢索結果。
• 使用 OpenCL API 查詢設備資訊、創建上下文、命令佇列、緩衝區、內核和事件。
• 使用 OpenCL C 語言編寫在設備上執行並操作數據的內核。
• 使用 OpenCL 內置函數、擴展和庫來執行常見任務和操作。
• 使用 OpenCL 主機和設備記憶體模型來優化數據傳輸和記憶體訪問。
• 使用 OpenCL 執行模型來控制工作項、工作組和 ND 範圍。
• 使用 CodeXL、Intel VTune 和 NVIDIA Nsight 等工具調試和測試 OpenCL 程式。
• 使用矢量化、循環展開、本地記憶體和分析等技術優化 OpenCL 程式。

這種以講師為主導的台灣現場現場培訓針對的是希望使用不同框架進行GPU程式設計並比較其功能，性能和相容性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 設置一個開發環境，其中包括 OpenCL SDK、CUDA 工具包、ROCm 平臺、支援 OpenCL、CUDA 或 ROCm 的設備以及 Visual Studio 代碼。
• 創建一個基本的 GPU 程式，使用 OpenCL、CUDA 和 ROCm 執行向量加法，並比較每個框架的語法、結構和執行。
• 使用相應的 API 查詢設備資訊、分配和釋放設備記憶體、在主機和設備之間複製數據、啟動內核以及同步線程。
• 使用相應的語言編寫在設備上執行的內核並操作數據。
• 使用相應的內置函數、變數和庫來執行常見任務和操作。
• 使用相應的記憶體空間（如全域、本地、常量和專用）來優化數據傳輸和記憶體訪問。
• 使用相應的執行模型來控制定義並行度的線程、塊和網格。
• 使用 CodeXL 、 CUDA-GDB 、 CUDA-MEMCHECK 和 NVIDIA Nsight 等工具調試和測試 GPU 程式。
• 使用合併、緩存、預取和分析等技術優化 GPU 程式。

這個由講師指導的 台灣 現場培訓課程涵蓋了如何為並行計算程式設計 GPU、 如何使用各種平臺、如何使用 CUDA 平臺及其功能，以及如何使用 CUDA 執行各種優化技術。其中一些應用包括深度學習、分析、圖像處理和工程應用。

這種以講師為主導的台灣現場現場培訓面向希望在Windows上安裝和使用ROCm以程式設計AMD GPU並利用其並行性的初級到中級開發人員。

在培訓結束時，參與者將能夠：

• 在 Windows 上設置包含 ROCm 平臺、AMD GPU 和 Visual Studio 代碼的開發環境。
• 創建一個基本的 ROCm 程式，該程式對 GPU 執行向量加法並從 GPU 記憶體中檢索結果。
• 使用 ROCm API 查詢設備資訊、分配和釋放裝置記憶體、在主機和設備之間複製數據、啟動內核和同步線程。
• 使用 HIP 語言編寫在 GPU 上執行的內核並操作數據。
• 使用 HIP 內置函數、變數和庫來執行常見任務和操作。
• 使用 ROCm 和 HIP 記憶體空間（如全域、共用、常量和本地）來優化數據傳輸和記憶體訪問。
• 使用 ROCm 和 HIP 執行模型來控制定義並行度的線程、塊和網格。
• 使用 ROCm Debugger 和 ROCm Profiler 等工具調試和測試 ROCm 和 HIP 程式。
• 使用合併、緩存、預取和分析等技術優化 ROCm 和 HIP 程式。

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望構建硬體加速物件檢測和跟蹤模型以分析流視頻數據的開發人員。

在培訓結束時，參與者將能夠：

• 安裝和配置必要的開發環境、軟體和庫以開始開發。
• 構建、訓練和部署深度學習模型以分析實時視頻源。
• 識別、跟蹤、分割和預測視頻幀中的不同物件。
• 優化目標檢測和跟蹤模型。
• 部署智能視頻分析 （IVA） 應用程式。