พื้นฐานการประมวลผล GPU ด้วย CUDA

ความท้าทายในการคำนวณสมัยใหม่ในด้านปัญญาประดิษฐ์ วิทยาศาสตร์ข้อมูล และการจำลองทางฟิสิกส์ ต้องการประสิทธิภาพที่โปรเซสเซอร์แบบดั้งเดิมไม่สามารถให้ได้เพียงลำพังอีกต่อไป หลักสูตรแบบข้อความนี้จะแนะนำแนวคิดหลักของการเขียนโปรแกรมแบบขนานโดยใช้ GPUs ซึ่งช่วยให้คุณเร่งความเร็วซอฟต์แวร์ของคุณได้อย่างมาก คุณจะเปลี่ยนจากการคิดแบบการเขียนโปรแกรมเชิงลำดับไปสู่การคิดแบบขนาน โดยเชี่ยวชาญโมเดลการทำงานพื้นฐานของฮาร์ดแวร์กราฟิกสมัยใหม่ ด้วยคำอธิบายที่เป็นลายลักษณ์อักษรที่ชัดเจนและการแนะนำโค้ดที่มีโครงสร้าง คุณจะสร้างรากฐานทางทฤษฎีและปฏิบัติที่แข็งแกร่งในการประมวลผลประสิทธิภาพสูง คุณจะได้เรียนรู้วิธีออกแบบอัลกอริทึมที่ทำงานพร้อมกันได้หลายพันเธรด และวิธีหลีกเลี่ยงข้อผิดพลาดทั่วไปในการพัฒนาแบบขนาน สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจความแตกต่างทางสถาปัตยกรรมระหว่าง CPUs และ GPUs และเมื่อใดควรใช้แต่ละอย่าง - เชี่ยวชาญโมเดลการทำงานของ CUDA รวมถึง threads, blocks และ grid organization - เขียนและเรียกใช้ custom parallel kernels เพื่อดำเนินการกับเวกเตอร์และเมทริกซ์ - จัดการลำดับชั้นหน่วยความจำอย่างมีประสิทธิภาพโดยใช้ global, shared และ registers - หลีกเลี่ยงปัญหาการทำงานพร้อมกันทั่วไป เช่น race conditions และ uncoalesced memory access - ทำโปรไฟล์และวิเคราะห์โค้ดแบบขนานเพื่อค้นหาและแก้ไขปัญหาคอขวดด้านประสิทธิภาพ เราจะเริ่มต้นด้วยคำศัพท์ฮาร์ดแวร์ที่จำเป็นและแนวคิดพื้นฐานของการประมวลผลแบบขนาน ก่อนที่จะเข้าสู่การจัดการหน่วยความจำและเทคนิคการเพิ่มประสิทธิภาพ หลักสูตรนี้ออกแบบมาสำหรับนักพัฒนาซอฟต์แวร์และนักศึกษาที่มีความเข้าใจพื้นฐานเกี่ยวกับ C หรือ C++ ที่ต้องการเข้าสู่สาขาการประมวลผลแบบเร่งความเร็ว ไม่จำเป็นต้องมีประสบการณ์การเขียนโปรแกรม GPU มาก่อน เริ่มต้นการเดินทางสู่การเขียนโปรแกรมแบบขนานประสิทธิภาพสูงของคุณได้แล้ววันนี้