À propos de ce cours

3 918 consultations récentes

This course will aid in students in learning in concepts that scale the use of GPUs and the CPUs that manage their use beyond the most common consumer-grade GPU installations. They will learn how to manage asynchronous workflows, sending and receiving events to encapsulate data transfers and control signals. Also, students will walk through application of GPUs to sorting of data and processing images, implementing their own software using these techniques and libraries.
By the end of the course, you will be able to do the following:

- Develop software that can use multiple CPUs and GPUs
- Develop software that uses CUDA’s events and streams capability to create asynchronous workflows
- Use the CUDA computational model to to solve canonical programming challenges including data sorting and image processing

To be successful in this course, you should have an understanding of parallel programming and experience programming in C/C++.

This course will be extremely applicable to software developers and data scientists working in the fields of high performance computing, data processing, and machine learning.

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Labos Coursera

Inclut des projets d’apprentissage pratique.

En savoir plus sur les Labos Coursera

Cours 3 sur 4 dans le

Spécialisation GPU Programming

Niveau intermédiaire

Some experience in C/C++ programming

Approx. 29 heures pour terminer

Anglais

Ce que vous allez apprendre

Students will learn to develop software that can be run in computational environments that include multiple CPUs and GPUs.
Students will develop software that uses CUDA to create interactive GPU computational processing kernels for handling asynchronous data.
Students will use CUDA, hardware memory capabilities, and algorithms/libraries to solve programming challenges including image processing.

Compétences que vous acquerrez

Cuda
Algorithms
C/C++
GPU
Nvidia

Dates limites flexibles

Réinitialisez les dates limites selon votre disponibilité.

Certificat partageable

Obtenez un Certificat lorsque vous terminez

100 % en ligne

Commencez dès maintenant et apprenez aux horaires qui vous conviennent.

Labos Coursera

Inclut des projets d’apprentissage pratique.

En savoir plus sur les Labos Coursera

Cours 3 sur 4 dans le

Spécialisation GPU Programming

Niveau intermédiaire

Some experience in C/C++ programming

Approx. 29 heures pour terminer

Anglais

Enseignant

Chancellor Thomas Pascale

Instructor and Software Engineer

Computer Science

4 326 étudiants

4 cours

Programme de cours : ce que vous apprendrez dans ce cours

Semaine

1

Semaine 1

4 heures pour terminer

Course Overview

4 heures pour terminer

3 vidéos (Total 11 min), 1 lecture, 1 quiz

Semaine

2

Semaine 2

10 heures pour terminer

Multiple CPU/GPU Systems

In professional settings, use of one CPU managing one GPU, is not a viable configuration to solve complex challenges. Students will apply CUDA capabilities for allowing multiple CPUs to communicate and manage software kernels on multiple GPUs. This will allow for scaling the size of input data and computational complexity. Students will learn the advantages and limitations of this form of synchronous processing.

10 heures pour terminer

7 vidéos (Total 32 min)

Semaine

3

Semaine 3

4 heures pour terminer

CUDA Events and Streams

4 heures pour terminer

5 vidéos (Total 28 min), 2 lectures, 1 quiz

Semaine

4

Semaine 4

5 heures pour terminer

Sorting Using GPUs

5 heures pour terminer

11 vidéos (Total 57 min), 1 lecture, 1 quiz

11 vidéos

Using Input Data to Develop GPU Pseudocode8 min

Sorting Algorithm GPU Pseudocode Bubble Sort5 min

Sorting Algorithm GPU Pseudocode Radix Sort9 min

Sorting Algorithm GPU Pseudocode Quick Sort7 min

Memory and GPU Pseudocode Bubble Sort3 min

Memory and GPU Pseudocode Radix Sort2 min

Memory and GPU Pseudocode Quick Sort3 min

Sorting Algorithms Lab Activity Bubble Sort3 min

Sorting Algorithms Lab Activity Radix Sort4 min

Sorting Algorithms Lab Activity Quick Sort6 min

Sorting Algorithms Assignment3 min

1 lecture

GPU Sort Algorithm Reading List10 min

Foire Aux Questions

Quand aurai-je accès aux vidéos de cours et aux devoirs ?
L’accès à des vidéos de cours et des devoirs dépend de votre type d’inscription. Si vous suivez un cours en mode auditeur libre, vous pourrez voir la plupart des contenus de cours gratuitement. Pour accéder aux devoirs notés et obtenir un certificat, vous devrez acheter une expérience de certificat, pendant ou après avoir assister au cours en tant qu’auditeur libre. Si vous ne visualisez pas l’option auditeur libre :
Il est possible que le cours ne propose pas d’option auditeur libre. Vous pouvez en revanche accéder à un essai gratuit ou faire une demande d'aide financière.
Le cours propose peut-être « Cours complet, aucun certificat » à la place. Cette option vous permet de voir tous les contenus de cours, de soumettre les évaluations requises et d'obtenir une note finale. Cependant, vous ne pourrez pas acheter une expérience de certificat.
À quoi ai-je droit si je m'abonne à cette Spécialisation ?
Lorsque vous vous inscrivez au cours, vous bénéficiez d'un accès à tous les cours de la Spécialisation, et vous obtenez un Certificat lorsque vous avez réussi. Votre Certificat électronique est alors ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Une aide financière est-elle possible ?
Oui. Dans certains programmes d’apprentissage, vous pouvez demander une aide financière ou une bourse d’études si vous ne pouvez pas payer les frais d’inscription. Si une aide financière ou une bourse d’études est disponible pour le programme d’apprentissage choisi, vous trouverez un lien pour faire une demande sur la page de description.
Can I program on my own desktop/laptop
Yes, but for grading purposes you will still need to upload any software artifacts (source code, header files, etc.) into the Coursera lab environment.

D'autres questions ? Visitez le Centre d'Aide pour les Étudiants.

CUDA at Scale for the Enterprise

À propos de ce cours

Ce que vous allez apprendre

Compétences que vous acquerrez