友情链接:
合作联系
|
ASPEN培训课程
高性能计算系统架构师、异构计算应用开发人员、数据中心优化工程师。
理解异构计算系统的组成与任务划分原则。
掌握 OpenCL、SYCL、OpenACC 等跨平台异构编程模型。
能够设计 CPU 与 GPU 协同工作的计算流程并进行负载均衡优化。
异构计算概述：异构计算的定义与发展趋势；CPU 与 GPU 在异构系统中的角色分工；常见的异构计算架构（CPU+GPU、CPU+FPGA）。
异构编程模型：异构编程的标准与选择；CUDA 与 OpenCL 的异同；SYCL 与 C++ 标准化的融合；OpenACC 指令式编程。
OpenCL 编程：OpenCL 平台模型与执行模型；OpenCL C 内核语言；内存对象与缓冲区的管理；命令队列与事件。
SYCL 编程：SYCL 的单源编程优势；SYCL 的队列与处理器；缓冲区与访问器；与 CUDA 的代码对比。
OpenACC 编程：OpenACC 指令式编程的优势；计算构造与循环构造；数据管理（复制、创建、更新）；性能调优指南。
任务划分与负载均衡：异构系统中的任务划分策略（静态划分、动态调度）；负载不均衡的原因与解决方案；异构任务调度器的设计。
异构内存管理：统一内存（Unified Memory）与显式管理的权衡；内存传输与计算的重叠；异构系统的数据一致性维护。
多 GPU 与混合计算：多 GPU 任务的划分；CPU 与 GPU 协同计算的流水线设计；CPU 参与非计算密集型任务的优化。
应用案例分析：分子动力学模拟的异构实现；计算流体力学的 CPU/GPU 协同求解；深度学习训练的异构加速。
性能分析工具：跨平台性能分析工具的使用；CPU 与 GPU 之间的同步开销分析；数据传输热点的识别。
功耗与能效优化：异构系统的功耗管理（DVFS）；任务卸载策略对能效的影响；绿色计算中的异构优化。
综合实战项目：选取典型应用（如 N 体模拟、卷积计算），使用 OpenCL 或 SYCL 实现 CPU/GPU 异构版本，并进行任务划分与性能优化。
