ROCm for Windows

• Zrozumienie języka C/C++ i koncepcji programowania równoległego
• Podstawowa znajomość architektury komputera i hierarchii pamięci
• Doświadczenie z narzędziami wiersza poleceń i edytorami kodu
• Znajomość systemu operacyjnego Windows i PowerShell

Odbiorcy

• Programiści, którzy chcą dowiedzieć się, jak zainstalować i używać ROCm w systemie Windows do programowania procesorów AMD GPU i wykorzystywania ich równoległości.
• Programiści, którzy chcą pisać wysokowydajny i skalowalny kod, który może działać na różnych urządzeniach AMD
• Programiści, którzy chcą poznać niskopoziomowe aspekty programowania GPU i zoptymalizować wydajność swojego kodu

ROCm to platforma open source do programowania GPU, która obsługuje procesory AMD GPU, a także zapewnia kompatybilność z CUDA i OpenCL. ROCm ujawnia programiście szczegóły sprzętowe i daje pełną kontrolę nad procesem zrównoleglania. Wymaga to jednak również dobrego zrozumienia architektury urządzenia, modelu pamięci, modelu wykonania i technik optymalizacji.

ROCm for Windows to najnowsze osiągnięcie, które pozwala użytkownikom instalować i używać ROCm w systemie operacyjnym Windows, który jest szeroko stosowany do celów osobistych i zawodowych. ROCm for Windows umożliwia użytkownikom wykorzystanie mocy procesorów AMD GPU do różnych zastosowań, takich jak sztuczna inteligencja, gry, grafika i obliczenia naukowe.

Szkolenie na żywo prowadzone przez instruktora (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych programistów, którzy chcą zainstalować i używać ROCm w systemie Windows do programowania procesorów AMD GPU i wykorzystywania ich równoległości.

Pod koniec tego szkolenia uczestnicy będą w stanie

• Skonfigurować środowisko programistyczne, które obejmuje platformę ROCm, procesor AMD GPU i Visual Studio Code w systemie Windows.
• Stworzyć podstawowy program ROCm, który wykonuje dodawanie wektorowe na GPU i pobiera wyniki z pamięci GPU.
• Użyj interfejsu API ROCm, aby uzyskać informacje o urządzeniu, przydzielić i zwolnić pamięć urządzenia, skopiować dane między hostem a urządzeniem, uruchomić jądra i zsynchronizować wątki.
• Używanie języka HIP do pisania jąder, które wykonują się na GPU i manipulują danymi.
• Używanie wbudowanych funkcji, zmiennych i bibliotek HIP do wykonywania typowych zadań i operacji.
• Używanie przestrzeni pamięci ROCm i HIP, takich jak globalna, współdzielona, stała i lokalna, w celu optymalizacji transferu danych i dostępu do pamięci.
• Używanie modeli wykonania ROCm i HIP do kontrolowania wątków, bloków i siatek, które definiują równoległość.
• Debugowanie i testowanie programów ROCm i HIP przy użyciu narzędzi takich jak ROCm Debugger i ROCm Profiler.
• Optymalizacja programów ROCm i HIP przy użyciu technik takich jak koalescencja, buforowanie, wstępne pobieranie i profilowanie.

Format kursu

• Interaktywny wykład i dyskusja.
• Wiele ćwiczeń i praktyki.
• Praktyczna implementacja w środowisku laboratoryjnym na żywo.

Opcje dostosowywania kursu

• Aby poprosić o spersonalizowane szkolenie dla tego kursu, skontaktuj się z nami w celu ustalenia szczegółów.

Wprowadzenie

• Co to jest ROCm?
• Czym jest HIP?
• ROCm vs CUDA vs OpenCL
• Przegląd funkcji i architektury ROCm i HIP
• ROCm dla ROCm for Windows vs ROCm dla Linux

Instalacja

• Instalacja ROCm w systemie Windows
• Weryfikacja instalacji i sprawdzenie kompatybilności urządzenia
• Aktualizacja lub odinstalowanie ROCm w systemie Windows
• Rozwiązywanie typowych problemów z instalacją

Pierwsze kroki

• Tworzenie nowego projektu ROCm przy użyciu Visual Studio Code w systemie Windows
• Przeglądanie struktury projektu i plików
• Kompilowanie i uruchamianie programu
• Wyświetlanie danych wyjściowych przy użyciu printf i fprintf

ROCm API

• Korzystanie z interfejsu API ROCm w programie hosta
• Sprawdzanie informacji o urządzeniu i jego możliwościach
• Przydzielanie i zwalnianie pamięci urządzenia
• Kopiowanie danych między hostem a urządzeniem
• Uruchamianie jądra i synchronizacja wątków
• Obsługa błędów i wyjątków

Język HIP

• Używanie języka HIP w programie urządzenia
• Pisanie jąder, które wykonują się na GPU i manipulują danymi
• Korzystanie z typów danych, kwalifikatorów, operatorów i wyrażeń
• Korzystanie z wbudowanych funkcji, zmiennych i bibliotek

Model pamięci ROCm i HIP

• Korzystanie z różnych przestrzeni pamięci, takich jak globalna, współdzielona, stała i lokalna
• Korzystanie z różnych obiektów pamięci, takich jak wskaźniki, tablice, tekstury i powierzchnie
• Korzystanie z różnych trybów dostępu do pamięci, takich jak tylko do odczytu, tylko do zapisu, odczyt-zapis itp.
• Korzystanie z modelu spójności pamięci i mechanizmów synchronizacji

Model wykonania ROCm i HIP

• Korzystanie z różnych modeli wykonania, takich jak wątki, bloki i siatki
• Używanie funkcji wątków, takich jak hipThreadIdx_x, hipBlockIdx_x, hipBlockDim_x itp.
• Używanie funkcji blokowych, takich jak __syncthreads, __threadfence_block itp.
• Korzystanie z funkcji siatki, takich jak hipGridDim_x, hipGridSync, grupy współpracy itp.

Debugowanie

• Debugowanie programów ROCm i HIP w systemie Windows
• Używanie debuggera Visual Studio Code do sprawdzania zmiennych, punktów przerwania, stosu wywołań itp.
• Używanie debugera ROCm do debugowania programów ROCm i HIP na urządzeniach AMD
• Używanie ROCm Profiler do analizowania programów ROCm i HIP na urządzeniach AMD

Optymalizacja

• Optymalizacja programów ROCm i HIP w systemie Windows
• Korzystanie z technik koalescencji w celu poprawy przepustowości pamięci
• Korzystanie z technik buforowania i pobierania wstępnego w celu zmniejszenia opóźnień pamięci
• Korzystanie z technik pamięci współdzielonej i lokalnej w celu optymalizacji dostępu do pamięci i przepustowości
• Korzystanie z profilowania i narzędzi do profilowania w celu pomiaru i poprawy czasu wykonywania i wykorzystania zasobów.

Podsumowanie i następny krok