所在位置:首頁 -- 最新開課 -- 正文

2019年-關于舉辦“kubernetes容器+GPU并行編程實踐培訓班”開班通知


發布時間:2019-2-19  來源:admin

各有關單位:

隨著人工智能AI、大數據Big Data、云計算Cloud Computing等計算機科學技術的發展和應用的普及,深度學習DL和人工智能AI成為當下最炙手可熱的技術趨勢,將成為技術行業基礎設施的核心組成部分。GPU的價值不止體現在深度學習,在高性能計算、物聯網、人工智能、生物信息、分子模擬、計算化學、材料力學、系統仿真、流體力學、機械設計、生物制藥、航空動力、地質勘探、氣候模擬等領域,算法越來越復雜,需要處理的海量數據越來越巨大,高性能計算能力就顯得尤為重要。如今,乎所有的深度學習(機器學習)研究者都在使用GPU進行相關的研究,NVIDIA針對深度學習的計算,有一套完整的解決方案,cuDNN已經成為主流深度學習框架調用的深度學習GPU函數庫,包含完整的矩陣乘法和卷積計算的實現。

Docker 是一個新興開源的應用容器引擎,讓開發者可以打包他們的應用以及依賴包到一個可移植的容器中,然后發布到任何 Linux 機器上。Docker容器輕量化的機制和運行模式可廣泛的應用到高性能,深度學習等計算密集型應用中,隨著云計算的普及以及對高性能、深度學習等相關技術的快速發展,使得云計算人才供不應求,所以一些大型企業對Docker專業技術人才需求較大。同時,kubernetes作為Docker容器的管理平臺,已經成為容器編排領域的事實標準,通過kubernetes技術可實現容器的有效管理,資源的合理分配,任務的高效調度等,為上層應用提供強有力的支撐。國內外越來越多的企業都已經在生產環境中基于Kubernetes構建自己的私有云,并且收效頗豐。

GPU高性能計算和容器編排已成為AI重要支撐技術,因此我單位舉辦“kubernetes容器+GPU并行編程實踐培訓班”,具體由中聯軟博(北京)科技有限公司舉辦,本次培訓班由權威師資主講。

一、培訓目的:

通過學習docker+kubernetes實戰課程可以有效的了解和應用Docker和Kubernetes技術,學習如何創建和管理Docker容器,然后在容器內部署示例應用程序。為高性能、深度學習等技術的研究和應用搭建起一套高效、穩定、安全的底層環境。

現有硬件資源最大化利用,提供多種并行優化方案組合策略,提高并行程序設計與開發水平,熟悉常見的并行計算模式,了解深度學習的主流GPU加速解決方案;實際體驗高性能計算環境,能夠應對主流的超算環境;提供符合自身特點的工程計算解決方案,了解高性能計算和深度學習應用場景。

二、主講專家:

安老師  曾任職于中科曙光解決方案架構師,主要從事虛擬機、Openstack、VMware、容器等云計算領域的研究和方案制定。現就職于海航科技集團,任解決方案架構師,從事云計算,AI等領域的工作,提供行業解決方案。

劉老師  中科院單位工程師,研究領域主要集中在高性能計算機系統結構、系統軟件、高性能并行算法、高性能計算應用、可重構加速計算等幾個方向。多年MPI/OpenMP/CUDA/OpenCL/OpenACC優化加速經驗,有多個大型項目算法的HPC云計算并行優化加速經驗。

三、培訓內容:

容器基礎概念,在深度學習中的應用1,容器的基本概念,包括功能介紹,運行機制等

2,容器和虛擬機的對比,容器的優勢

3,容器的應用場景,在深度學習中如何應用

Docker容器的基礎理論1.Docker容器的基本架構  

2.Docker容器基礎組件詳解

3.Docker容器的創建方式和實例分析

4.Docker容器網絡設計

5.Docker容器數據卷管理

6.Docker容器存儲驅動

7.Docker鏡像及鏡像的分層機制

8.Docker鏡像倉庫管理

9.Nvidia-docker的概念和應用

10.Docker容器對于GPU的管理

11.Dockerfile詳解

Docker容器技術實戰上機:

1.Docker常用命令以及容器全流程操作演練 

2.Dockerfile操作實戰

kubernetes容器管理平臺1,kubernetes的由來

2. kubernetes核心概念

3. kubernetes技術架構與設計理念

4. kubernetes常用對象

5. kubernetes的核心組件和運行機制

6. kubernetes核心配置文件yaml的介紹

7. kubernetes的網絡模式與常用的網絡插件(CNI)

8. kubernetes的存儲模式與常用的存儲插件

9. kubernetes負載均衡和彈性伸縮

10.kubernetes監控解決方案

11.kubernetes日志管理

12.kubernetes NVIDIA GPU管理和調度

13.kubernetes在深度學習中的應用

Kubernetes上機實戰:

1.kubernetes操作實戰(kubernetes網絡設置、存儲設置、系統調試等)

2.kubernetes yaml實戰

GPU高性能計算——OpenACC編程基礎與優化進階并行計算的應用場景和實際意義

并行計算機體系結構:處理器、內存和互連網,常用的并行計算機系統

性能分析模型:如何測量并行性能和擴展性

CPU/GPU體系結構對比介紹:流水線、多核、緩存、訪存、通信模型、分支預測等

OpenACC基礎:概念,與CUDA區別,編譯器,生態

OpenACC四步開發流程:判斷并行性,并行化表達,顯式數據傳遞,優化

判斷并行性:Profile工具pgprof

并行化表達:引導關鍵字Kernerls和Parallel Loop

顯式管理數據的拷貝:引導關鍵字Data 

OpenACC上機實戰:矢量點乘

OpenACC優化:統一內存管理,線程并行層級,collapse,tile

GPU高性能計算——CUDA編程基礎與優化進階CUDA基礎:API、數據并行、線程模型、存儲模型、控制、同步、并發和通信、加速比

CUDA開發環境搭建和工具配置

CUDA上機:Helloworld,向量加

CUDA優化進階:線程組織調度,分支語句,訪存優化,數據傳輸,原子操作

CUDA上機:矩陣乘、直方圖

GPU并行計算模式及案例分析

分析調試:parallel nsight,visual profiler,cuda-gdb

CUDA上機實戰:卷積,reduce和scan

GPU異步編程,多GPU編程(混合OpenMP和MPI)及調試調優工具

OpenACC互操作性:OpenMP,MPI,CUDA

NVIDIA最新技術:CUDA 10新特性,Turing顯卡

GPU高性能計算——深度學習1.1基于GPU的交互式深度學習訓練平臺:DIGITS;

1.2深度學習框架的GPU加速:TensorFlow,Caffe等;

1.3 NVIDIA深度學習SDK:cuDNN,TensorRT,NCCL;

1.4深度學習顯卡選擇;

深度學習上機實操:

Caffe,TensorFlow,Theano等通用深度學習框架的GPU加速庫cuDNN的使用;

深度學習前端推理引擎TensorRT的使用;



四、時間地點:

 2019年3月 21-24日(20日報道)北京中科院計算所龍芯產業園

五、培訓對象:

從事高性能計算、GPU加速、并行計算、CUDA編程、openCV、石油、氣象、化工、人工智能、深度學習、計算機視覺、人臉識別、 圖像處理、行人檢測、自然語言處理等領域相關的企事業單位技術骨干、科研院所研究人員和大專院校相關專業教學人員及在校研究生等相關技術人員;

軟件開發人員、架構師、部署工程師、Linux愛好者、云計算工程師、運維工程師、運維開發、測試、開發工程師、IT從業者。                                                                                                    

六、報名方式及費用:

報名人員可直接回復報名回執表至郵箱。或與會務組電話聯系咨詢。¥RMB:7800元/人(含報名費、證書費、培訓費、教材費、資料費)食宿統一安排費用自理。

七、頒發證書:

參加相關培訓并通過考試的學員,可以獲得:人社部中國高級公務員培訓中心、全國信息化計算機應用技術水平教育培訓管理中心頒發-證書。該證書可作為專業技術人員職業能力考核的證明,以及專業技術人員崗位聘用、任職、定級和晉升職務的重要依據。

八、聯系方式:

    聯系人:李老師                 手 機/微信:18611133485



中国北京单场足球彩票