Description du cours
Le calcul parallèle a été un sujet de recherche important en science et technologie pendant des décennies. Grâce au domaine de développement rapide de l’apprentissage profond ces dernières années, le calcul parallèle est utilisé pour des intérêts plus larges. Dans cette classe, des concepts de calcul parallèle seront introduits. Les participants apprendront non seulement les bases des grappes et des accélérateurs GPU sur le calcul de haute performance (HPC), mais également des compétences en programmation avec OpenMP, MPI, Cuda, Pytorch et Deeppeed. Des exemples et des exercices pratiques seront fournis dans différents langages de programmation, notamment C, Fortran et Python. Ces ensembles de compétences en programmation parallèle sont utiles pour que les chercheurs accélèrent leurs programmes informatiques et utiles pour que les étudiants se préparent à une carrière en technologie de l’information.
Prérequis / exigences
- Les participants doivent avoir une expérience de programmation mineure dans l’une de ces langues: C, Fortran, Python ou Julia
- Les participants doivent également apporter un ordinateur portable.
Objectifs d’apprentissage
- Concepts de calcul parallèle et connaissance de l’accélération des programmes informatiques sur un cluster HPC.
- Capacité de programmation parallèle pour CPU (OpenMP, MPI).
- Capacité de programmation parallèle pour GPU (CUDA, Pytorch, profondeurs).
Plan
Les sujets des deux jours sont indépendants. Les participants peuvent choisir les sessions auxquelles ils souhaitent participer.
- Premier jour (14 juillet):
- Programmation parallèle avec OpenMP: 14 juillet (Changement de date), 10: 00-12: 00
- Calcul distribué avec MPI: 14 juillet (Changement de date), 1-3: 00
- Deuxième jour (16 juillet):
- Programmation GPU avec CUDA: 16 juillet, 10: 00-12: 00
- Appartement profond distribué: 16 juillet, 13h00
Position
Sur le campus dans les bureaux de l’ORCD dans NE36
Comment s’abonner
Pour demander le lien d’enregistrement, envoyez un Mail E à l’instructeur, Shaohao Chen.