Oslo

NobleProg Oslo, Strømsveien 108, Oslo, norway, 0663

Konferansesenteret ligger kun 5 minutters gange fra både flybussen og t-banen, like ved forretningsområdet i Oslo.

Subcategories (1)

Image for the CUDA (Compute Unified Device Architecture)

CUDA (Compute Unified Device Architecture)

Explore Our Courses

GPU Programming with OpenACC

 28 timer
Denne instruktørledede, liveopplæringen i Oslo (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å bruke OpenACC til å programmere heterogene enheter og utnytte parallelliteten deres. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp et utviklingsmiljø som inkluderer OpenACC SDK, en enhet som støtter OpenACC, og Visual Studio Code.
  • Lag et grunnleggende OpenACC-program som utfører vektortillegg på enheten og henter resultatene fra enhetens minne.
  • Bruk OpenACC-direktiver og klausuler for å kommentere koden og spesifisere parallelle områder, databevegelse og optimaliseringsalternativer.
  • Bruk OpenACC API til å spørre etter enhetsinformasjon, angi enhetsnummer, håndtere feil og synkronisere hendelser.
  • Bruk OpenACC-biblioteker og interoperabilitetsfunksjoner for å integrere OpenACC med andre programmeringsmodeller, som CUDA, OpenMP og MPI.
  • Bruk OpenACC-verktøy til å profilere og feilsøke OpenACC-programmer og identifisere ytelsesflaskehalser og muligheter.
  • Optimaliser OpenACC-programmer ved hjelp av teknikker som datalokalitet, loop fusion, kernel fusion og auto-tuning.
Read more...

Introduction to GPU Programming

 21 timer
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å lære det grunnleggende om GPU programmering og de viktigste rammeverkene og verktøyene for å utvikle GPU-applikasjoner .
  • Ved slutten av denne opplæringen vil deltakerne kunne:
    Forstå forskjellen mellom CPU og GPU databehandling og fordelene og utfordringene med GPU programmering.
  • Velg riktig rammeverk og verktøy for deres GPU-applikasjon.
  • Lag et grunnleggende GPU-program som utfører vektoraddisjon ved å bruke ett eller flere av rammeverkene og verktøyene.
  • Bruk de respektive APIene, språkene og bibliotekene til å spørre etter enhetsinformasjon, tildele og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
  • Bruk de respektive minneplassene, for eksempel global, lokal, konstant og privat, for å optimalisere dataoverføringer og minnetilgang.
  • Bruk de respektive utførelsesmodellene, for eksempel arbeidselementer, arbeidsgrupper, tråder, blokker og rutenett, for å kontrollere parallelliteten.
  • Feilsøk og test GPU programmer ved hjelp av verktøy som CodeXL, CUDA-GDB, CUDA-MEMCHECK og NVIDIA Nsight.
  • Optimaliser GPU programmer ved hjelp av teknikker som koalescing, caching, forhåndshenting og profilering.
Read more...

GPU Programming - OpenCL vs CUDA vs ROCm

 28 timer
Denne instruktørledede, direkteopplæringen i Oslo (online eller på stedet) er rettet mot utviklere på nybegynnernivå til middels nivå som ønsker å bruke forskjellige rammeverk for GPU programmering og sammenligne deres funksjoner, ytelse og kompatibilitet. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp et utviklingsmiljø som inkluderer OpenCL SDK, CUDA Toolkit, ROCm Platform, en enhet som støtter OpenCL, CUDA eller ROCm og Visual Studio kode.
  • Lag et grunnleggende GPU-program som utfører vektoraddisjon ved å bruke OpenCL, CUDA og ROCm, og sammenlign syntaksen, strukturen og utførelsen av hvert rammeverk.
  • Bruk de respektive API-ene til å spørre etter enhetsinformasjon, tildele og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
  • Bruk de respektive språkene til å skrive kjerner som kjøres på enheten og manipulere data.
  • Bruk de respektive innebygde funksjonene, variablene og bibliotekene til å utføre vanlige oppgaver og operasjoner.
  • Bruk de respektive minneplassene, for eksempel global, lokal, konstant og privat, for å optimalisere dataoverføringer og minnetilgang.
  • Bruk de respektive utførelsesmodellene til å kontrollere trådene, blokkene og rutenettene som definerer parallelliteten.
  • Feilsøk og test GPU programmer ved hjelp av verktøy som CodeXL, CUDA-GDB, CUDA-MEMCHECK og NVIDIA Nsight.
  • Optimaliser GPU programmer ved hjelp av teknikker som koalescing, caching, forhåndshenting og profilering.
Read more...

ROCm for Windows

 21 timer
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å installere og bruke ROCm på Windows for å programmere AMD GPUer og utnytte parallelliteten deres. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp et utviklingsmiljø som inkluderer ROCm Platform, en AMD GPU og Visual Studio kode på Windows.
  • Lag et grunnleggende ROCm-program som utfører vektoraddisjon på GPU og henter resultatene fra GPU-minnet.
  • Bruk ROCm API til å spørre etter enhetsinformasjon, allokere og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
  • Bruk HIP-språket til å skrive kjerner som kjøres på GPU og manipulere data.
  • Bruk HIP innebygde funksjoner, variabler og biblioteker for å utføre vanlige oppgaver og operasjoner.
  • Bruk ROCm- og HIP-minneplasser, for eksempel globale, delte, konstante og lokale, for å optimalisere dataoverføringer og minnetilganger.
  • Bruk ROCm- og HIP-utførelsesmodeller for å kontrollere trådene, blokkene og rutenettene som definerer parallelliteten.
  • Feilsøk og test ROCm- og HIP-programmer ved hjelp av verktøy som ROCm Debugger og ROCm Profiler.
  • Optimaliser ROCm- og HIP-programmer ved å bruke teknikker som koalescing, caching, forhåndshenting og profilering.
Read more...

AMD GPU Programming

 28 timer
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å bruke ROCm og HIP til å programmere AMD GPU og utnytte parallelliteten deres. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp et utviklingsmiljø som inkluderer ROCm Platform, en AMD GPU og Visual Studio kode.
  • Lag et grunnleggende ROCm-program som utfører vektoraddisjon på GPU og henter resultatene fra GPU-minnet.
  • Bruk ROCm API til å spørre etter enhetsinformasjon, allokere og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
  • Bruk HIP-språket til å skrive kjerner som kjøres på GPU og manipulere data.
  • Bruk HIP innebygde funksjoner, variabler og biblioteker for å utføre vanlige oppgaver og operasjoner.
  • Bruk ROCm- og HIP-minneplasser, for eksempel globale, delte, konstante og lokale, for å optimalisere dataoverføringer og minnetilganger.
  • Bruk ROCm- og HIP-utførelsesmodeller for å kontrollere trådene, blokkene og rutenettene som definerer parallelliteten.
  • Feilsøk og test ROCm- og HIP-programmer ved hjelp av verktøy som ROCm Debugger og ROCm Profiler.
  • Optimaliser ROCm- og HIP-programmer ved å bruke teknikker som koalescing, caching, forhåndshenting og profilering.
Read more...

GPU Programming with CUDA

 28 timer
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot utviklere på nybegynnernivå til mellomnivå som ønsker å bruke CUDA til å programmere NVIDIA GPU-er og utnytte parallelliteten deres. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp et utviklingsmiljø som inkluderer CUDA Toolkit, en NVIDIA GPU og Visual Studio kode.
  • Lag et grunnleggende CUDA-program som utfører vektoraddisjon på GPU og henter resultatene fra GPU-minnet.
  • Bruk CUDA API til å spørre etter enhetsinformasjon, allokere og deallokere enhetsminne, kopiere data mellom vert og enhet, starte kjerner og synkronisere tråder.
  • Bruk CUDA C/C++-språket for å skrive kjerner som kjøres på GPU og manipulere data.
  • Bruk CUDA innebygde funksjoner, variabler og biblioteker for å utføre vanlige oppgaver og operasjoner.
  • Bruk CUDA-minneplasser, for eksempel globale, delte, konstante og lokale, for å optimalisere dataoverføringer og minnetilgang.
  • Bruk CUDA-utførelsesmodellen for å kontrollere trådene, blokkene og rutenettene som definerer parallelliteten.
  • Feilsøk og test CUDA-programmer ved å bruke verktøy som CUDA-GDB, CUDA-MEMCHECK og NVIDIA Nsight.
  • Optimaliser CUDA-programmer ved hjelp av teknikker som koalescing, caching, forhåndshenting og profilering.
97% av kundene er fornøyde.
Read more...

Administration of CUDA

 35 timer
Denne instruktørledede, direkteopplæringen i Oslo (online eller på stedet) er rettet mot systemadministratorer og IT-fagfolk på nybegynnernivå som ønsker å installere, konfigurere, administrere og feilsøke CUDA-miljøer. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Forstå arkitekturen, komponentene og egenskapene til CUDA.
  • Installer og konfigurer CUDA-miljøer.
  • Administrer og optimaliser CUDA-ressurser.
  • Feilsøk og feilsøk vanlige CUDA-problemer.
Read more...

GPU Programming with OpenCL

 28 timer
Denne instruktørledede, live-opplæringen i Oslo (online eller på stedet) er rettet mot utviklere på nybegynnernivå til middels nivå som ønsker å bruke OpenCL til å programmere heterogene enheter og utnytte deres parallellitet. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Sett opp et utviklingsmiljø som inkluderer OpenCL SDK, en enhet som støtter OpenCL og Visual Studio kode.
  • Lag et grunnleggende OpenCL-program som utfører vektoraddisjon på enheten og henter resultatene fra enhetsminnet.
  • Bruk OpenCL API til å spørre etter enhetsinformasjon, lage kontekster, kommandokøer, buffere, kjerner og hendelser.
  • Bruk OpenCL C-språk for å skrive kjerner som kjøres på enheten og manipulere data.
  • Bruk OpenCL innebygde funksjoner, utvidelser og biblioteker for å utføre vanlige oppgaver og operasjoner.
  • Bruk OpenCL verts- og enhetsminnemodeller for å optimalisere dataoverføringer og minnetilganger.
  • Bruk OpenCL utførelsesmodell for å kontrollere arbeidselementene, arbeidsgruppene og ND-områdene.
  • Feilsøk og test OpenCL programmer ved hjelp av verktøy som CodeXL, Intel VTune og NVIDIA Nsight.
  • Optimaliser OpenCL-programmer ved hjelp av teknikker som vektorisering, sløyfeutrulling, lokalt minne og profilering.
Read more...

GPU Programming with CUDA and Python

 14 timer
Dette instruktørledede, live-oppdraget i Oslo (online eller lokal) er rettet mot mellomnivåutviklere som ønsker å bruke CUDA til å bygge Python-applikasjoner som kjører parallellt på NVIDIA GPUs. Ved slutten av denne opplæringen vil deltakerne kunne:
  • Bruke Numba-kompilatoren for å akselerere Python-applikasjoner som kjører på NVIDIA GPU-er.
  • Opprette, kompilere og starte egendefinerte CUDA-kjerner.
  • Administrere GPU-minne.
  • Konvertere en CPU-basert applikasjon til en GPU-akselerert applikasjon.
Read more...

NVIDIA GPU Programming - Extended

 21 timer
Dette instruktørledede, liveopplæringskurset i Oslo dekker hvordan du programmerer GPUer for parallell databehandling, hvordan du bruker ulike plattformer, hvordan du jobber med CUDA-plattformen og dens funksjoner, og hvordan du utfører ulike optimaliseringsteknikker ved hjelp av CUDA . Noen av applikasjonene inkluderer dyp læring, analyse, bildebehandling og ingeniørapplikasjoner.
Read more...

Last Updated:

Testimonials (2)

Veldig interaktiv med ulike eksempler, med god progresjon i kompleksitet mellom start og slutt på treningen.

Jenny - Andheo

Kurs - GPU Programming with CUDA and Python

Machine Translated

Trener energi og humor.

Tadeusz Kaluba - Nokia Solutions and Networks Sp. z o.o.

Kurs - NVIDIA GPU Programming - Extended

Machine Translated

Upcoming Courses

GPU Programming with OpenCL

2025-05-06 09:30
28 timer
Oslo
6000 EUR (Online)
6800 EUR (Klasserom)

GPU Programming - OpenCL vs CUDA vs ROCm

2025-05-20 09:30
28 timer
Oslo
6000 EUR (Online)
6800 EUR (Klasserom)

GPU Programming with OpenACC

2025-06-03 09:30
28 timer
Oslo
6000 EUR (Online)
6800 EUR (Klasserom)

GPU Programming - OpenCL vs CUDA vs ROCm

2025-06-17 09:30
28 timer
Oslo
6000 EUR (Online)
6800 EUR (Klasserom)

GPU Programming with CUDA

2025-07-01 09:30
28 timer
Oslo
6000 EUR (Online)
6800 EUR (Klasserom)

GPU Programming with OpenACC

2025-07-15 09:30
28 timer
Oslo
6000 EUR (Online)
6800 EUR (Klasserom)

Other regions in Norge

Other Countries

These courses are also available in other countries

Rådgivning

GPU Rådgivning
Graphics Processing Unit (GPU) kurs i Oslo, Helg GPU (Graphics Processing Unit) kurs i Oslo, Kveld GPU (Graphics Processing Unit) trening i Oslo, Graphics Processing Unit instruktørledet kurs Oslo, GPU klasser i Oslo, Graphics Processing Unit (GPU) boot camp i Oslo, GPU tomannshånd trening i Oslo, GPU (Graphics Processing Unit) coaching i Oslo, Graphics Processing Unit (GPU) trener i Oslo, Graphics Processing Unit (GPU) instruktørledet kurs i Oslo, Kveld GPU kurs i Oslo, Graphics Processing Unit (GPU) private kurs i Oslo, GPU on-site i Oslo, GPU (Graphics Processing Unit) instruktør i Oslo, Helg Graphics Processing Unit trening i Oslo