Administration of CUDAのトレーニングコース

このインストラクターによるライブトレーニングは、NVIDIA GPU上で並列実行するアプリケーションを構築するためにCUDAを使用したい開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• Numbaコンパイラーを使用して、NVIDIA GPU上で動作するアプリケーションを高速化します。
• カスタム CUDA カーネルの作成、コンパイル、および起動
。
• GPUメモリの管理
。
• CPU ベースのアプリケーションを GPU アクセラレーション アプリケーションに変換します。

このトレーニングは、ROCmとHIPを使用してAMD GPUをプログラミングし、その並列性を活用したい初級～中級レベルの開発者を対象としています。

本トレーニングの終了時には、以下のことができるようになります：

• ROCmプラットフォーム、AMD GPU、およびVisual Studioコードを含む開発環境のセットアップ
• 0]でベクトル加算を実行し、結果をGPUメモリから取得する基本的なROCmプログラムの作成
• ROCm API を使用して、デバイス情報のクエリ、デバイス・メモリの割り当てと割り当て解除、ホストとデバイス間のデータ・コピー、カーネルの起動、スレッドの同期を行う。
• HIP言語を使用して、GPUメモリ上で実行し、データを操作するカーネルを記述する。
• HIP 組み込み関数、変数、ライブラリを使用して、一般的なタスクや操作を実行する。
• グローバル、共有、定数、ローカルなどの ROCm と HIP のメモリ空間を使用して、データ転送とメモリ・アクセスを最適化する。
• ROCm と HIP の実行モデルを使用して、並列性を定義するスレッド、ブロック、グリッドを制御する
• ROCm デバッガや ROCm プロファイラなどのツールを使用して ROCm プログラムや HIP プログラムのデバッグとテストを行う
• 合体、キャッシュ、プリフェッチ、プロファイリングなどのテクニックを使用した ROCm および HIP プログラムの最適化

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

このトレーニングは、GPUプログラミングの基礎と、GPUアプリケーションを開発するための主なフレームワークやツールを学びたい初級～中級レベルの開発者を対象としています。

• このトレーニングの終了時までに、参加者は以下のことができるようになります：
  CPUとGPUコンピューティングの違い、GPUプログラミングの利点と課題を理解する。
• 0]アプリケーションに適したフレームワークとツールの選択
• 1つまたは複数のフレームワークとツールを使用して、ベクトル加算を実行する基本的なGPUプログラムを作成します。
• それぞれの API、言語、ライブラリを使用して、デバイス情報の照会、デバイス・メモリの割り当てと割り当て解除、ホストとデバイス間のデータ・コピー、カーネルの起動、スレッドの同期を行う。
• グローバル、ローカル、定数、プライベートなど、それぞれのメモリ空間を使用して、データ転送やメモリ・アクセスを最適化する。
• ワークアイテム、ワークグループ、スレッド、ブロック、グリッドなど、それぞれの実行モデルを使用して並列性を制御する。
• CodeXL、CUDA-GDB、CUDA-MEMCHECK、NVIDIA Nsightなどのツールを使用して、GPUプログラムをデバッグおよびテストする。
• 合体、キャッシュ、プリフェッチ、プロファイリングなどのテクニックを使用して、GPUプログラムを最適化する。

このインストラクターによる<場所>でのライブトレーニング（オンラインまたはオンサイト）は、NVIDIA GPUをプログラミングし、その並列性を利用するためにCUDAを使用することを希望する初級～中級レベルの開発者を対象としています。

このトレーニングの終わりまでに、参加者は以下のことができるようになります：

• CUDA Toolkit、NVIDIA GPU、およびVisual Studioコードを含む開発環境のセットアップ。
• 1]でベクトル加算を実行し、GPUメモリから結果を取得する基本的なCUDAプログラムを作成します。
• CUDA API を使用して、デバイス情報のクエリ、デバイスメモリの割り当てと割り当て解除、ホストとデバイス間のデータコピー、カーネルの起動、スレッドの同期を行います。
• CUDA C/C++言語を使用して、GPU上で実行し、データを操作するカーネルを記述します。
• CUDA組み込み関数、変数、ライブラリを使用して、一般的なタスクや操作を実行します。
• グローバル、共有、定数、ローカルなどのCUDAメモリ空間を使用して、データ転送とメモリアクセスを最適化します。
• CUDA実行モデルを使用して、並列性を定義するスレッド、ブロック、グリッドを制御します。
• CUDA-GDB、CUDA-MEMCHECK、NVIDIA Nsightなどのツールを使用して、CUDAプログラムをデバッグおよびテストします。
• 合体、キャッシュ、プリフェッチ、プロファイリングなどのテクニックを使用してCUDAプログラムを最適化します。

日本 でのこのインストラクター主導のライブ トレーニング (オンラインまたはオンサイト) は、OpenACC を使用して異種デバイスをプログラミングし、その並列処理を利用したいと考えている初級レベルから中級レベルの開発者を対象としています。

このトレーニングを終了するまでに、参加者は次のことができるようになります。

• OpenACC SDK、OpenACC をサポートするデバイス、および Visual Studio コードを含む開発環境をセットアップします。
• デバイス上でベクトル加算を実行し、デバイス メモリから結果を取得する基本的な OpenACC プログラムを作成します。
• OpenACC ディレクティブと句を使用してコードに注釈を付け、並列領域、データ移動、最適化オプションを指定します。
• OpenACC API を使用して、デバイス情報のクエリ、デバイス番号の設定、エラーの処理、イベントの同期を行います。
• OpenACC ライブラリと相互運用機能を使用して、OpenACC を CUDA、OpenMP、MPI などの他のプログラミング モデルと統合します。
• OpenACC ツールを使用して、OpenACC プログラムのプロファイリングとデバッグを行い、パフォーマンスのボトルネックと機会を特定します。
• データ局所性、ループ融合、カーネル融合、自動チューニングなどの技術を使用して OpenACC プログラムを最適化します。

このインストラクターによる<ロサンゼルス>でのライブ・トレーニング（オンラインまたはオンサイト）は、OpenCLを使用してヘテロジニアス・デバイスをプログラムし、その並列性を利用したいと考える初級～中級レベルの開発者を対象としています。

このトレーニングの終了時には、参加者は以下のことができるようになります：

• 0]SDK、OpenCLをサポートするデバイス、Visual Studioコードを含む開発環境のセットアップ。
• デバイス上でベクトル加算を実行し、デバイス・メモリから結果を取得する基本的なOpenCLプログラムを作成します。
• 0]APIを使用して、デバイス情報のクエリ、コンテキスト、コマンド・キュー、バッファ、カーネル、およびイベントの作成を行います。
• 0] C 言語を使用して、デバイス上で実行し、データを操作するカーネルを記述する。
• 0] 組み込み関数、拡張機能、ライブラリを使用して、一般的なタスクや操作を実行する。
• 0] ホストとデバイスのメモリ・モデルを使用して、データ転送とメモリ・アクセスを最適化する。
• 0]実行モデルを使用して、ワークアイテム、ワークグループ、および ND レンジを制御する。
• CodeXL、Intel VTune、NVIDIA Nsight などのツールを使用して OpenCL プログラムをデバッグおよびテストする。
• ベクトル化、ループアンローリング、ローカルメモリ、プロファイリングなどのテクニックを使用して、OpenCLプログラムを最適化する。

このインストラクターによる<場所>でのライブトレーニング（オンラインまたはオンサイト）は、GPUプログラミングのために異なるフレームワークを使用し、その機能、パフォーマンス、互換性を比較したい初心者レベルから中級レベルの開発者を対象としています。

このトレーニングの終わりまでに、参加者は以下のことができるようになります：

• 1]SDK、CUDA Toolkit、ROCm Platform、OpenCL、CUDA、またはROCmをサポートするデバイス、Visual Studioコードを含む開発環境をセットアップする。
• 1]、CUDA、ROCm を使用してベクトル加算を実行する基本的なGPUプログラムを作成し、各フレームワークの構文、構造、実行を比較する。
• それぞれのAPIを使用して、デバイス情報の照会、デバイス・メモリの割り当てと割り当て解除、ホストとデバイス間のデータ・コピー、カーネルの起動、スレッドの同期を行う。
• それぞれの言語を使用して、デバイス上で実行し、データを操作するカーネルを記述します。
• それぞれの組み込み関数、変数、ライブラリを使用して、一般的なタスクや操作を実行する。
• グローバル、ローカル、定数、プライベートなど、それぞれのメモリ空間を使用して、データ転送やメモリ・アクセスを最適化する。
• それぞれの実行モデルを使用して、並列性を定義するスレッド、ブロック、グリッドを制御する。
• CodeXL、CUDA-GDB、CUDA-MEMCHECK、NVIDIA Nsightなどのツールを使用して、GPUプログラムをデバッグおよびテストする。
• 合体、キャッシュ、プリフェッチ、プロファイリングなどのテクニックを使用して、GPUプログラムを最適化する。

このインストラクターによるライブトレーニングコースでは、並列コンピューティングのためのプログラミング方法、様々なプラットフォームの使用方法、CUDAプラットフォームとその機能の使用方法、CUDAを使用した様々な最適化テクニックの実行方法について学びます。ディープラーニング、アナリティクス、画像処理、エンジニアリングなどのアプリケーションも含まれます。

このトレーニングは、WindowsにROCmをインストールして使用し、AMD GPUの並列性を利用したプログラミングを行いたい初級～中級レベルの開発者を対象としています。

本トレーニングの終了時には、以下のことができるようになります：

• Windows上にROCmプラットフォーム、AMD GPU、およびVisual Studioコードを含む開発環境をセットアップする。
• 0]メモリ上でベクトル加算を実行し、結果をGPUメモリから取得する基本的なROCmプログラムの作成
• ROCm API を使用して、デバイス情報のクエリ、デバイス・メモリの割り当てと割り当て解除、ホストとデバイス間のデータ・コピー、カーネルの起動、スレッドの同期を行う。
• HIP言語を使用して、GPUメモリ上で実行し、データを操作するカーネルを記述する。
• HIP 組み込み関数、変数、ライブラリを使用して、一般的なタスクや操作を実行する。
• グローバル、共有、定数、ローカルなどの ROCm と HIP のメモリ空間を使用して、データ転送とメモリ・アクセスを最適化する。
• ROCm と HIP の実行モデルを使用して、並列性を定義するスレッド、ブロック、グリッドを制御する
• ROCm デバッガや ROCm プロファイラなどのツールを使用して ROCm プログラムや HIP プログラムのデバッグとテストを行う
• 合体、キャッシュ、プリフェッチ、プロファイリングなどのテクニックを使用した ROCm および HIP プログラムの最適化

このインストラクターによるライブトレーニングは、ストリーミングビデオデータを解析するためのハードウェアアクセラレーションによるオブジェクト検出とトラッキングモデルの構築を希望する開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• 開発を開始するために必要な開発環境、ソフトウェア、およびライブラリをインストールし、設定します。
• ライブビデオフィードを分析するためのディープラーニングモデルを構築、訓練、展開する。
• ビデオフレーム内のさまざまなオブジェクトを識別、追跡、セグメント化、予測する。
• オブジェクトの検出と追跡モデルを最適化する
。
• インテリジェントなビデオ分析 (IVA) アプリケーションを展開します。