|
学习GPU编程，迈上AI科研的制高点，让你的职业生涯快人一步
亲爱的老师/同学，
AI是这个时代最为强大的技术力量。未来，数万亿台运行AI的计算机将在世界各地创造一种全新的物联网，从智能零售、制造业、服务机器人、自动驾驶汽车到智能城市，重塑人们所知的计算。借助Arm庞大的生态系统，英伟达将其GPU和AI技术引入到包括移动设备和个人电脑在内的大型终端市场。于此同时，越来越多的AI公司需要招聘更多的掌握基于边缘计算的GPU编程技能的人才。
本次CUDAon ARM Platform线上训练营由NVIDIA发起，旨在帮助初学者学习如何在GPU上快速加速代码，掌握CUDA编程的基本概念和技能。NVIDIA工程师将通过为期5天的时间，系统性地介绍ARM嵌入式平台的特色，以及在该平台上如何实现CUDA并行加速计算。通过四大模块的学习，并搭配丰富的线上实验环节，让学生们掌握基于Arm的Jetson开发环境和GPU异构计算原理，了解CUDA编程模型，包括线程组织和CUDA存储单元，以及如何利用共享存储单元优化应用等，每次课程介绍完，会提供相应的编程实例，让学生在实际操作中理解概念。
CUDA on ARM Platform线上训练营的最终目标是帮助学习者建立对 GPU 编程的信心，为此，还将将建立专门的CUDA学习线上微信群。邀请CUDA编程专家在线回答同学们的问题，辅导同学们进行线上实验。
课程亮点：介绍高性能计算基础编程模型CUDA的基本编程原理。 在结合ARM CPU 和 GPU的实验平台上完成动手实践。 内容和应用相结合，将介绍如何利用CUDA完成光影渲染、信号处理、深度学习的网络搭建等热门案例。 完成课程结业测试，NVIDIA企业开发者社区将颁发结业证书和纪念徽章。
形式： 主办方提供Jetson云平台，参加者无需准备开发环境，只需要通过自己普通电脑的浏览器远程访问Jetson计算平台进行学习。为了确保学习效果，将对每位参加者收取100元的报名费。完成了每日的学习打卡任务，将原路退回100元。
此班级只针对在校学生。 人数限制100名。
参加者要求： 本课程需要学员有一定的C/C++程序设计基础（了解数组和指针操作）。
训练营指导老师： 何琨 （Ken He） NVIDIA企业级开发者社区经理，拥有多年的GPU 和人工智能开发经验。自2017年加入NVIDIA 开发者社区以来，完成过上百场培训，帮助上万个开发者了解人工智能和 GPU编程开发。在计算机视觉，高性能计算领域完成过多个独立项目。并且，在机器人和无人机领域，有过丰富的研发经验。对于图像识别，目标的检测与跟踪完成过多种解决方案。曾经参与 GPU 版气象模式 GRAPES，是其主要研发者。
李奕澎 NVIDIA企业开发者社区经理，拥有 4 年数据分析建模开发经验，3 年人工智能自然语言处理开发经验。在自动语音识别、自然语言处理、自然语言理解等技术有着丰富的实战经验与见解。
报名： 报名后请添加微信号【社区助教】：gpusupport，确认报名费缴纳事宜。同时助教会拉您进入相应的微信群。 
训练营日程安排： | Day1 | |
| |
| |
| 9:10-16:30 ( 11:30-14:00午休) | | 基于Arm的Jetson开发环境介绍，Arm Linux系统简介（1.1理论课+实验课） 介绍我们的实验平台，介绍Linux编译的基本技巧，介绍基本的开发环境 实验课：Makefile 编写规范
| | GPU架构及异构计算（1.2） -介绍GPU架构以及异构计算的基本原理 -介绍GPU硬件平台 -介绍基于Arm的嵌入式平台GPU架构和编程模型之间的关系，介绍Grace CPU-相关 -最新的GPU应用领域，GPU在现代计算机科学中的通用性
| | CUDA编程模型---初识CUDA（1.3+1.4实验课） -CUDA程序的编译 -GPU线程的调用 -GPU和CPU的通讯 -使用多个线程的核函数 -使用线程索引 -多维网络 -网格与线程块 -利用NVProf查看程序执行情况 -实验课内容：编写程序HelloCUDA，并且利用NVCC编译。编写VectorAdd多线程程序，和多维网络线程程序，并用nvprof来测试不同设置情况下运行速
| | 2月7日 9:30-16:30 ( 11:30-14:00午休) | | CUDA编程模型---CUDA存储单元的使用与错误检测（2.1+2.2实验课） -设备初始化 -GPU的存储单元 -GPU存储单元的分配与释放 -数据的传输 -数据与线程之间的对应关系 -CUDA应用程序运行时的错误检测 -CUDA中的事件 -利用事件进行计时 -实验课内容：编写MatrixMul程序，体验线程和数据的对应关系 留课后作业
| | 多种CUDA存储单元详解（2.3） -CUDA中的存储单元种类 -CUDA中的各种存储单元的使用方法 -CUDA中的各种存储单元的适用条件
| | 利用共享存储单元优化应用（2.4实验课） -共享存储单元详解 -共享内存的Bank conflict -利用共享存储单元进行矩阵转置和矩阵乘积 -实验课内容：编写Shared Memory优化过的矩阵乘法 介绍shared memory原理，介绍利用shared memory 优化的多种案例 -矩阵转置
| | 2月8日 9:30-16:30 ( 11:30-14:00午休) | | CUDA编程模型---原子操作（3.1理论+3.2实验） -CUDA中的原子操作 -原子操作的适用场景 -利用原子操作优化程序
| | 基于ARM平台的Jetson存储单元调用（3.3+3.4实验课） -基于ARM平台的Jetson的存储单元特点 -统一内存的基本概念 -如何更有效的利用Jetson的存储单元 -实验课内容：编写MatrixMul程序，体验统一内存的使用方法 -介绍基于Jetson平台的共享存储单元的特点，介绍Jetson平台SoC DRAM memory的应用
| | 2月9日 9:30-16:30 ( 11:30-14:00午休) | | CUDA stream（4.1+4.2实验课） -CUDA流的基本概念 -默认流与非默认流 -利用CUDA流重叠计算和数据传输 -实验课内容：体验利用流来减少运行时间 -介绍CUDA stream，介绍利用Stream分割处理的加速方案，介绍利用stream处理超大数据的加速方案
| | CUDA加速库介绍：cuBLAS，cuFFT（4.3+4.4实验课） -cuBLAS介绍 -cuFFT介绍 -利用cuFFT和cuBLAS来实现相关应用案例
| | | | |
关于训练营考核： | 1. | | | | | 所有课程结束后完成三个考题，每个考题为完成一段程序，由易到难。 三组都完成的视为合格 考试时间：2月11日 上午09:00—12:00 |
教材与学习资源 | 训练营教材 | 《CUDA ON ARM PLATFORM训练营》自编教材 | | 樊哲勇《CUDA编程：基础与实践》清华大学出版社出版时间：2020-10-01 | | | |
| 
