お問い合わせを送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
予約を送信いただきありがとうございます!当社のスタッフがすぐにご連絡いたします。
コース概要
導入
- GPUプログラミングとは何か?
- PythonでCUDAを使用する理由は?
- 主要概念:スレッド、ブロック、グリッド
CUDAの特徴とアーキテクチャの概要
- GPUとCPUのアーキテクチャの違い
- SIMT(Single Instruction, Multiple Threads)の理解
- CUDAプログラミングモデル
開発環境のセットアップ
- CUDA Toolkitとドライバのインストール
- PythonとNumbaのインストール
- 環境の設定と確認
並列プログラミングの基礎
- 並列実行の概要
- スレッドとスレッド階層の理解
- ワープと同期の扱い方
Numbaコンパイラの使用
- Numbaの概要
- Numbaを使用したCUDAカーネルの記述
- @cuda.jitデコレータの理解
カスタムCUDAカーネルの作成
- 基本的なカーネルの記述と起動
- 要素ごとの操作にスレッドを使用する
- グリッドとブロックの次元を管理する
メモリ管理
- GPUメモリの種類(グローバル、共有、局所、定数)
- ホストとデバイス間のメモリ転送
- メモリ使用量の最適化とボトルネックの回避
GPU加速の高度なトピック
- 共有メモリと同期
- 非同期実行のためにストリームを使用する
- マルチGPUプログラミングの基本
CPUベースのアプリケーションをGPUに変換
- CPUコードのプロファイリング
- 並列化可能なセクションの識別
- ロジックをCUDAカーネルに移植する
トラブルシューティング
- CUDAアプリケーションのデバッグ
- 一般的なエラーとその解決方法
- テストと検証のツールとテクニック
まとめと次なるステップ
- 主要概念の復習
- GPUプログラミングのベストプラクティス
- 継続的な学習リソース
要求
- Pythonプログラミング経験
- NumPy(ndarrays, ufuncsなど)の経験
対象者
- 開発者
14 時間
お客様の声 (1)
様々な例を使って非常にインタラクティブで、研修の始まりから終わりまで難易度が適切に段階的に上がります。
Jenny - Andheo
コース - GPU Programming with CUDA and Python
機械翻訳