Kerangka Materi

Pendahuluan tentang Arsitektur Biren GPU

  • Tinjauan Biren dan kasus pengguna
  • Tata letak perangkat keras: core, memori, dan cluster komputasi
  • Perbandingan dengan NVIDIA dan AMD GPUs

Menyiapkan Lingkungan Biren Programming

  • Memasang Biren SDK dan runtime
  • Memahami toolchain dan model compiler
  • Struktur proyek dasar dan proses pembuatan

GPU Programming dengan Stack Biren

  • Model thread dan block
  • Manajemen memori dan transfer data
  • Pengembangan kernel dan pola peluncuran

Mengubah dari CUDA ke Biren

  • Teknik terjemahan untuk kode CUDA
  • Pemetaan dan adaptasi API umum
  • Laboratorium dan praktik konversi kode

Debugging dan Profiling

  • Menggunakan debugger dan profiler Biren
  • Mengidentifikasi botleneck
  • Pola akses memori dan optimasi

Teknik Optimasi

  • Jadwal thread dan pipelining instruksi
  • Pemerluasan loop dan penggunaan memori bersama
  • Penyesuaian kernel lanjut untuk throughput

Studi Kasus dan Contoh Aplikasi

  • Melatih model dengan accelerator Biren
  • Mengubah dan memprofiling model pemrosesan gambar atau NLP
  • Membandingkan kinerja dengan CUDA/NVIDIA

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang arsitektur dan pemrosesan paralel
  • Pengalaman dengan CUDA, atau lingkungan pemrograman serupa
  • Kenyamanan dengan kerangka belajar mendalam seperti PyTorch atau TensorFlow

Sasaran Peserta

  • Pengembang HPC
  • Insinyur infrastruktur AI
  • Ahli optimasi kinerja
 21 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (1)

Kursus Mendatang

Kategori Terkait