Contacta con nosotros

Temario del curso

Vista general del ecosistema de GPU de IA chinas

  • Comparación de Huawei Ascend, Biren y Cambricon MLU.
  • Modelos CUDA frente a CANN, Biren SDK y BANGPy.
  • Tendencias industriales y ecosistemas de proveedores.

Preparación para la migración

  • Evaluación de su base de código CUDA.
  • Identificación de plataformas objetivo y versiones del SDK.
  • Instalación del conjunto de herramientas y configuración del entorno.

Técnicas de traducción de código

  • Portado de la lógica de acceso a memoria y núcleos CUDA.
  • Mapeo de modelos de rejillas de cómputo e hilos.
  • Opciones de traducción automatizada frente a manual.

Implementaciones específicas por plataforma

  • Uso de operadores y núcleos personalizados de Huawei CANN.
  • Pipeline de conversión del SDK de Biren.
  • Reconstrucción de modelos con BANGPy (Cambricon).

Pruebas y optimización multiplataforma

  • Perfilado de la ejecución en cada plataforma objetivo.
  • Ajuste de memoria y comparaciones de ejecución paralela.
  • Seguimiento del rendimiento e iteración.

Gestión de entornos mixtos de GPU

  • Despliegues híbridos con múltiples arquitecturas.
  • Estrategias de respaldo y detección de dispositivos.
  • Capas de abstracción para la mantenibilidad del código.

Casos de estudio y mejores prácticas

  • Portado de modelos de visión por computadora/NLP a Ascend o Cambricon.
  • Adaptación de flujos de inferencia en clústeres Biren.
  • Gestión de desajustes de versión y brechas en la API.

Resumen y próximos pasos

Requerimientos

  • Experiencia programando con CUDA o aplicaciones basadas en GPU.
  • Comprensión de los modelos de memoria de GPU y núcleos de cómputo.
  • Familiaridad con flujos de trabajo de despliegue o aceleración de modelos de IA.

Público objetivo

  • Programadores de GPU.
  • Arquitectos de sistemas.
  • Especialistas en portabilidad.
 21 Horas

Número de participantes


Precio por participante

Próximos cursos

Categorías Relacionadas