Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction
- Qu'est-ce que la programmation GPU ?
- Pourquoi utiliser CUDA avec Python ?
- Concepts clés : Threads, Blocs, Grilles
Aperçu des fonctionnalités et de l'architecture CUDA
- GPU vs architecture CPU
- Comprendre SIMT (Single Instruction, Multiple Threads)
- Modèle de programmation CUDA
Mise en place de l'environnement de développement
- Installation du Toolkit CUDA et des pilotes
- Installation de Python et Numba
- Configuration et vérification de l'environnement
Fondamentaux de l'exécution parallèle Programming
- Introduction à l'exécution parallèle
- Comprendre les threads et la hiérarchie des threads
- Travailler avec les warps et la synchronisation
Travailler avec le compilateur Numba
- Introduction à Numba
- Rédaction de noyaux CUDA avec Numba
- Comprendre les décorateurs @cuda.jit
Création d'un noyau CUDA personnalisé
- Rédaction et lancement d'un noyau de base
- Utilisation des threads pour les opérations élément par élément
- Gestion des dimensions de la grille et du bloc
Mémoire Management
- Types de mémoire GPU (globale, partagée, locale, constante)
- Transfert de mémoire entre l'hôte et le dispositif
- Optimisation de l'utilisation de la mémoire et évitement des bouteilles de goulot
Sujets avancés dans l'accélération GPU
- Mémoire partagée et synchronisation
- Utilisation des flux pour l'exécution asynchrone
- Bases du mult-GPU programmation
Conversion d'applications basées sur CPU en GPU
- Profilage du code CPU
- Identification des sections parallélisables
- Portage de la logique vers les noyaux CUDA
Dépannage
- Débogage d'applications CUDA
- Erreurs courantes et méthodes de résolution
- Outils et techniques pour le test et la validation
Récapitulation et prochaines étapes
- Revision des concepts clés
- Bonnes pratiques en programmation GPU
- Ressources pour une formation continue
Pré requis
- Python expérience en programmation
- Expérience avec NumPy (ndarrays, ufuncs, etc.)
Audience
- Développeurs
14 Heures
Nos clients témoignent (1)
Très interactif avec des exemples variés, avec une bonne progression de la complexité entre le début et la fin de la formation.
Jenny - Andheo
Formation - GPU Programming with CUDA and Python
Traduction automatique