문의를 보내주셔서 감사합니다! 팀원이 곧 연락드리겠습니다.
예약을 보내주셔서 감사합니다! 저희 팀 멤버 중 한 분이 곧 연락드리겠습니다.
코스 개요
소개
- GPU 프로그래밍이란?
- Python과 CUDA를 함께 사용하는 이유는 무엇인가요?
- 주요 개념: 스레드, 블록, 그리드
CUDA 기능 및 아키텍처 개요
- GPU와 CPU 아키텍처 비교
- SIMT (Single Instruction, Multiple Threads) 이해
- CUDA 프로그래밍 모델
개발 환경 설정
- CUDA Toolkit 및 드라이버 설치
- Python과 Numba 설치
- 환경 설정 및 검증
병렬 프로그래밍 기초
- 병렬 실행 소개
- 스레드와 스레드 계층 구조 이해
- 워프와 동기화 작업
Numba 컴파일러 사용
- Numba 소개
- Numba를 사용한 CUDA 커널 작성
- @cuda.jit 데코레이터 이해
사용자 정의 CUDA 커널 구축
- 기본 커널 작성 및 실행
- 요소별 연산을 위한 스레드 사용
- 그리드와 블록 차원 관리
메모리 관리
- GPU 메모리 유형(전역, 공유, 로컬, 상수)
- 호스트와 디바이스 간의 메모리 전송
- 메모리 사용 최적화 및 병목 현상 방지
GPU 가속 고급 주제
- 공유 메모리와 동기화
- 비동기 실행을 위한 스트림 사용
- 다중 GPU 프로그래밍 기초
CPU 기반 애플리케이션을 GPU로 변환
- CPU 코드 프로파일링
- 병렬화 가능한 섹션 식별
- 논리를 CUDA 커널로 이식
트러블슈팅
- CUDA 애플리케이션 디버깅
- 일반적인 오류와 해결 방법
- 테스트 및 검증을 위한 도구와 기술
요약 및 다음 단계
- 주요 개념 요약
- GPU 프로그래밍 최선의 관행
- 계속 학습할 수 있는 자원
요건
- Python 프로그래밍 경험이 필요합니다.
- NumPy (ndarrays, ufuncs 등)에 대한 경험.
대상자
- 개발자들
14 시간
회원 평가 (1)
다양한 예제를 통해 매우 상호 작용적이며, 훈련 시작부터 끝까지 복잡도가 잘 진행됩니다.
Jenny - Andheo
코스 - GPU Programming with CUDA and Python
기계 번역됨