GPU高性能计算程序设计与解决方案培训班 课程大纲
一、 GPU高性能计算——并行计算基础 1、并行计算的应用场景和实际意义（战略、经济和成本）；2、并行计算机体系结构：处理器、内存和互连网，常用的并行计算机系统；3、性能分析模型：如何测量并行性能和扩展性；4、 CPU/GPU体系结构对比介绍：流水线、多核、缓存、访存、通信模型、分支预测等；5、 常用的高性能开发技术概述：5.1 OpenMP编程；5.2 Pthreads编程；5.3 MPI编程；
上机实验：1、 求解π值
二、GPU高性能计算——OpenACC编程基础与优化进阶 1、 OpenACC基础：概念，与CUDA区别，编译器，生态；2、 OpenACC开发环境搭建配置；3、 OpenACC四步开发流程：判断并行性，并行化表达，显式数据传递，优化 3.1判断并行性：Profile工具pgprof；3.2并行化表达：引导关键字Kernerls和Parallel Loop；3.3显式管理数据的拷贝：引导关键字Data；3.4优化：统一内存管理，线程并行层级，collapse，tile
OpenACC上机实操：1. Hellow world； 2．矢量点乘；
三、 GPU高性能计算——CUDA编程基础与优化进阶 1、 CUDA基础：API、数据并行、线程模型、存储模型、控制、同步、并发和通信、加速比；2、 CUDA开发环境搭建和工具配置；3、 CUDA优化进阶：线程组织调度，分支语句，访存优化，数据传输，原子操作；4、 GPU并行计算模式及案例分析： 分析调试：parallel nsight，visual profiler，cuda-gdb；5、 CUDA生态系统和相关专业领域软件介绍；
CUDA上机实操：1. Helloworld，向量加，cuda库的使用（cuBLAS、cuFFT ）；2. 矩阵乘，直方图，卷积，规约，前缀求和 ；
四、 大规模并行开发：多GPU开发 1、 GPU异步编程，多GPU编程（混合OpenMP和MPI）及调试调优工具；2、 OpenACC互操作性：OpenMP，MPI，CUDA；
OpenACC上机实操：1、 Jacobi迭代，分形图
五、 GPU高性能计算——OpenCL编程基础 1、 OpenCL：编程模型，存储模型，生态；CUDA vs OpenCL；
OpenCL上机实操：1、点乘；
六、 GPU高性能计算——深度学习 1、 深度学习基础介绍：神经网络，BP 方法，回归，统计学习，Hessian矩阵，基础数学等2、 常见的网络模型和平台框架：3、 深度学习GPU解决方案：3.1基于GPU的交互式深度学习训练平台：DIGITS；3.2深度学习框架的GPU加速：TensorFlow，Caffe等；3.3 NVIDIA深度学习SDK：cuDNN，TensorRT，NCCL；3.4深度学习显卡选择；
深度学习上机实操：1、 使用DIGITS进行目标识别检测，信号处理；2、 Caffe，TensorFlow，Theano等通用深度学习框架的GPU加速库cuDNN的使用；3、 深度学习前端推理引擎TensorRT的使用；4、 单机多卡的深度学习解决方案NCCL实验；
七、GPU计算最新技术前沿 1、CUDA 9新特性介绍；2、Pascal/Volta显卡架构介绍；
联系人：林鸣
详询电话：17600460465