یادگیری CUDA با Docker!

آنچه یاد خواهید گرفت:

• چگونه با CUDA، اما بدون GPU کدنویسی کنید؟
• دانش اولیه برنامه‌نویسی CUDA
• توانایی طراحی و پیاده‌سازی الگوریتم‌های موازی CUDA

پیش‌نیازهای دوره

• دانش اولیه برنامه‌نویسی C یا ++C

توضیحات دوره

ما روش مدت‌ها انتظارکشیده‌شده برای یادگیری CUDA بدون GPUهای NVIDIA! را به شما معرفی می‌کنیم. بالاخره می‌توانید CUDA را فقط روی لپ‌تاپ، تبلت یا حتی موبایل خود یاد بگیرید، و همین! CUDA یک مدل برنامه‌نویسی عمومی ارائه می‌دهد که به شما دسترسی به توان محاسباتی عظیم GPUهای مدرن را می‌دهد، و همچنین کتابخانه‌های قدرتمندی برای یادگیری ماشین، پردازش تصویر، جبر خطی و الگوریتم‌های موازی فراهم می‌کند.

چه چیزی یاد می‌گیرید؟

ما نشان خواهیم داد که چگونه می‌توانید CUDA را با استفاده‌ی ساده از Docker و مجازی‌سازی در سطح سیستم‌عامل یاد بگیرید؛ به‌طوری‌که نرم‌افزارها را در بسته‌هایی به نام کانتینر ارائه می‌کند، و همچنین با GPGPU-Sim، یک شبیه‌ساز در سطح چرخه که واحدهای پردازش گرافیکی (GPU) امروزی را هنگام اجرای بارهای کاری محاسباتی نوشته‌شده با CUDA یا OpenCL مدل‌سازی می‌کند. این دوره با هدف معرفی معماری موازی و مدل برنامه‌نویسی CUDA از NVIDIA به شکلی ساده و قابل‌فهم طراحی شده است. ما قصد داریم درس‌ها را بروزرسانی کنیم و هر ماه درس‌ها و تمرین‌های بیشتری اضافه کنیم!

• مبانی مجازی‌سازی
• الزامات Docker
• مبانی GPU
• نصب CUDA
• جعبه ابزار CUDA 
• Threads و Blockهای CUDA در ترکیب‌های مختلف
• نمونه‌های کدنویسی CUDA

بر اساس بازخوردهای قبلی شما، ما یک مجموعه کلاس زنده در Zoom برای این دوره معرفی می‌کنیم که در آن جنبه‌های مختلف محاسبات موازی و توزیع‌شده و پشته نرم‌افزاری سیستم‌های محاسبات با کارایی بالا (HPC) را توضیح خواهیم داد: Slurm ،PBS Pro ،OpenMP ،MPI و CUDA! کلاس‌های زنده از طریق Scientific Programming School ارائه می‌شوند؛ یک پلتفرم تعاملی و پیشرفته آموزش الکترونیکی برای یادگیری کدنویسی علمی است.

این دوره برای چه کسانی مناسب است؟

• هر کسی که می‌خواهد برنامه‌نویسی CUDA را یاد بگیرد، اما به GPUهای گران‌قیمت دسترسی ندارد.