A computação de alto desempenho (HPC - High Performance Computing) e as aplicações de deep learning modernas são favorecidas por uma potência computacional de GPU em escala de cluster e, às vezes, até exigem essa potência. Escrever aplicações CUDA® que utilizem GPUs em um cluster de forma correta e eficiente requer um conjunto de habilidades específicas. Neste workshop, você conhecerá as ferramentas e técnicas necessárias para escrever aplicações CUDA C++ que podem ser dimensionadas com eficiência para clusters de GPUs NVIDIA. 

Para isso, você trabalhará no código de várias aplicações CUDA C++ em um ambiente interativo no cloud com diversas GPUs NVIDIA. Você terá contato com uma série de métodos de programação multi-GPU, incluindo Message Passing Interface (MPI) com reconhecimento de CUDA, antes de chegar ao foco principal do curso, a NVSHMEM™.

NVSHMEM é uma interface de programação paralela baseada em OpenSHMEM que fornece comunicação eficiente e dimensionável para clusters de GPU NVIDIA. A NVSHMEM cria um espaço de endereçamento global para dados que abrange a memória de várias GPUs e pode ser acessado com operações refinadas iniciadas por GPU, operações iniciadas por CPU e operações em fluxos CUDA. As transferências de dados assíncronas iniciadas por GPU da NVSHMEM eliminam as sobrecargas de sincronização entre a CPU e a GPU. Elas também permitem kernels de longa execução que incluem comunicação e computação, reduzindo as sobrecargas gerais que podem limitar o desempenho de uma aplicação com dimensionamento forte. A NVSHMEM tem sido usada em sistemas como o supercomputador Summit, localizado na Oak Ridge Leadership Computing Facility (OLCF), o supercomputador Sierra, do Lawrence Livermore National Laboratory, e a NVIDIA DGX™ A100.

 

Objetivos de Aprendizagem
 

Neste workshop, você:
  • Aprenderá vários métodos para escrever aplicações CUDA C++ multi-GPU
  • Usará uma variedade de padrões de comunicação multi-GPU e entenderá as vantagens e desvantagens
  • Escreverá código CUDA portátil e dimensionável com o paradigma de programa único e múltiplos dados (SPMD - Single Program Multiple Data) usando a MPI com reconhecimento de CUDA e a NVSHMEM
  • Aprimorará código SPMD multi-GPU com o modelo de memória simétrica da NVSHMEM e sua capacidade de realizar transferências de dados iniciadas por GPU
  • Fará exercícios práticos com paradigmas comuns de codificação multi-GPU, como decomposição de domínio e trocas de "halos"

Faça download do datasheet do workshop (PDF de 79,5KB)

Resumo do Workshop

Introdução
(15 minutos)
Paradigmas de Programação Multi-GPU
(120 minutos)

Examinar diversas técnicas de programação de aplicações CUDA C++ para múltiplas GPUs usando um programa CUDA C++ com aproximação de pi pelo método de Monte-Carlo.

  • Usar CUDA para utilizar múltiplas GPUs.
  • Aprender a ativar e usar a comunicação direta de memória ponto a ponto.
  • Escrever uma versão SPMD com MPI com reconhecimento de CUDA.
Intervalo (60 minutos)
Introdução à NVSHMEM
(120 minutos)

Aprender a escrever código com a NVSHMEM e entender o modelo de memória simétrica.

  • Usar NVSHMEM para escrever código SPMD para múltiplas GPUs.
  • Utilizar memória simétrica para permitir que todas as GPUs acessem dados de outras GPUs.
  • Fazer transferências de memória iniciadas por GPU.
Intervalo (15 minutos)
Trocas de Halo com NVSHMEM
(120 minutos)

Praticar padrões comuns de codificação, como trocas de halo e decomposição de domínio usando a NVSHMEM; trabalhar na avaliação.

  • Escrever uma implementação NVSHMEM de um solucionador Jacobi da equação de Laplace.
  • Refatorar um solucionador de equação de onda 1D de GPU única com a NVSHMEM.
  • Concluir a avaliação e receber o certificado.
Revisão Final
(15 minutos)
  • Aprender sobre as vantagens e desvantagens de aplicações em clusters de GPU.
  • Revisar os principais aprendizados e responder a perguntas.
  • Completar a pesquisa do workshop.
Próximas Etapas
(15 minutos)

Continuar a estudar com estes treinamentos do DLI:

 

Detalhes do Workshop

Duração: 8 horas

Valor: US$500 para workshops públicos. Para workshops corporativos, fale conosco.

Pré-requisitos:

  • Experiência intermediária de escrita de aplicações CUDA C e C++
Materiais sugeridos para atender aos pré-requisitos:
Ferramentas, bibliotecas e frameworks: CUDA, MPI, NVSHMEM
 
Tipo de Avaliação:
  • Avaliação de código baseada em habilidades: Os alunos precisam refatorar um solucionador de função de onda 1D de GPU única e prepará-lo para um cluster de GPU com NVSHMEM.

Certificado: após a conclusão bem-sucedida da avaliação, os participantes receberão um certificado do DLI da NVIDIA que reconhece a competência no assunto e contribui para o desenvolvimento da carreira e vida profissional.

Requisitos de Hardware: desktop ou notebook capaz de executar a versão mais atual do Chrome ou Firefox. Cada participante terá acesso exclusivo a uma workstation totalmente configurada e acelerada por GPU no cloud.

Idiomas: inglês

PRÓXIMOS WORKSHOPS PÚBLICOS

Horário de Brasília
 

Terça-feira, 23 de março de 2021

Das 13h às 21h

Inscreva-se Agora
Horário da Europa Central
 

Quarta-feira, 24 de março de 2021

Das 9h às 17h

Inscreva-se Agora

Próximos Workshops Públicos

América do Norte / América Latina

Quinta-feira, 18 de novembro de 2021
Das 11h às 19h (horário de Brasília)

INSCREVA-SE AGORA

Se sua empresa tem interesse em aprimorar e desenvolver habilidades importantes de AI, ciência de dados acelerada ou computação acelerada, solicite um treinamento ministrado por instrutor do DLI da NVIDIA.

Solicite um Workshop

Perguntas?

Entre em Contato Conosco para Tirar Dúvidas sobre
Treinamento de Deep Learning

  1. Section
Read our FAQs
NVIDIA Deep Learning institute services
NVIDIA Developer Forums
Soluções do DLI
Produtos
Tecnologias
Recursos