Course Outline

Invoering

Inzicht in de grondbeginselen van heterogene computermethodologie

Waarom parallel computergebruik? Inzicht in de noodzaak van parallel computergebruik

Multi-coreprocessors - architectuur en ontwerp

Inleiding tot Threads, Thread Basics en basisconcepten van Parallel Programming

Inzicht in de grondbeginselen van GPU software-optimalisatieprocessen

OpenMP - Een standaard voor op richtlijnen gebaseerd parallellisme Programming

Praktisch / demonstratie van verschillende programma's op multicore-machines

Inleiding tot GPU Computergebruik

GPUs voor parallel computergebruik

GPU's Programming Model

Hands on / Demonstratie van verschillende programma's op GPU

SDK, Toolkit en installatie van omgeving voor GPU

Werken met verschillende bibliotheken

Demonstratie van GPU en tools met voorbeeldprogramma's en OpenACC

Het CUDA Programming-model begrijpen

De CUDA-architectuur leren

De CUDA-ontwikkelomgevingen verkennen en instellen

Werken met de CUDA Runtime API

Het CUDA-geheugenmodel begrijpen

Aanvullende CUDA API-functies verkennen

AccessGlobaal geheugen efficiënt gebruiken in CUDA: Global Memory Optimization

Gegevensoverdracht in CUDA optimaliseren met behulp van CUDA-streams

Gedeeld geheugen gebruiken in CUDA

Atomaire operaties en instructies begrijpen en gebruiken in CUDA

Casestudy: Basis digitale beeldverwerking met CUDA

Werken met meerdere GPU's Programming

Geavanceerde hardwareprofilering en sampling op NVIDIA / CUDA

CUDA Dynamic Parallelism API gebruiken voor dynamische kernellancering

Samenvatting en conclusie

Requirements

  • C Programming
  • Linux GCC
  21 Hours
 

Related Courses

GPU Programming - OpenCL vs CUDA vs ROCm

  28 Hours

Related Categories