课程价格 ：
¥599.00
剩余名额
0
-
学习时长
8周/建议每周8个小时
-
答疑服务
专属微信答疑群/讲师助教均参与
-
作业批改
课程配有作业/助教1V1批改
-
课程有效期
一年/告别拖延，温故知新
- 1-1：Ubuntu下环境配置手册（参考文档）
- 1-2：cuda第五期开课仪式.pdf
- 1-3：【视频】如何获得免费的GPU服务器资源
- 第1章: CUDA C编程及GPU基本知识
- 第1节: GPU基本架构及特点
- 2-1：【课件】CUDA C编程及GPU基本知识
- 2-2：【视频】CPU与GPU的基础知识
- 第2节: CUDA C编程基本知识
- 3：【视频】CUDA编程的重要概念
- 第3节: 并行计算向量相加
- 4：【视频】并行计算向量相加
- 第4节: 实践
- 5-1：【代码】Demo I
- 5-2：【视频】实践向量相加
- 5-3：【作业】第一章
- 5-4：作业1思路讲解.pdf
- 第2章: CUDA C编程：矩阵乘法
- 6：【课件】CUDA C编程：矩阵乘法
- 第1节: 为什么矩阵乘法适合GPU实现
- 7：【视频】为什么矩阵乘法适合GPU实现
- 第2节: 矩阵乘法的GPU基础实现
- 8：【视频】矩阵算法GPU实现
- 第3节: 矩阵乘法GPU进阶实现
- 9：【视频】矩阵乘法的GPU进阶实现
- 第4节: 代码实践
- 10-1：【代码】L2 MatrixMultiple
- 10-2：【视频】CUDA矩阵乘法实践
- 第5节: 作业题目
- 11-1：【视频】作业题目
- 11-2：【作业】第二章
- 11-3：作业2思路讲解.pdf
- 第3章: cuda stream 和 Event
- 第1节: CUDA Stream介绍
- 12-1：【课件】CUDA C编程：cuda stream and envet
- 12-2：【视频】CUDA Stream介绍
- 第2节: CUDA Stream为什么有效
- 13：【视频】CUDA Stream为什么有效
- 第3节: CUDA Stream 默认流的表现
- 14：【视频】CUDA Stream默认流的表现
- 第4节: CUDA Event
- 15：【视频】CUDA Event
- 第5节: CUDA 同步操作
- 16：【视频】CUDA 同步操作
- 第6节: NVVP工具演示
- 17：【视频】NVVP
- 第4章: cuDNN与cuBLAS
- 18：【资料】BERT学习资料
- 第1节: 课程回顾
- 19-1：【课件】CUDA C编程：卷积实现与cudnn、cublas
- 19-2：【视频】课程回顾
- 第2节: cuBLAS
- 20：【视频】cuBLAS
- 第3节: cuDNN
- 21：【视频】cuDNN
- 第4节: 实践
- 22：【视频】实践卷积神经网络
- 第5章: TensorRT介绍
- 第1节: TensorRT是什么
- 23：【课件】TensorRT介绍
- 24：【视频】TensorRT是什么
- 第2节: TensorRT整体工作流程与优化策略
- 25：【视频】TensorRT优化策略
- 第3节: TensorRT的组成与基本使用流程
- 26：【视频】TensorRT使用的基本流程
- 第4节: TensorRT demo：SampleMNIST
- 27：【视频】demo
- 第5节: TensorRT进阶
- 28：【视频】TensorRT进阶
- 第6节: Demo演示
- 29：【视频】Demo演示
- 第7节: 作业实践
- 30-1：【作业】第五章
- 30-2：作业5思路讲解.pdf
- 第6章: TensorRT plugin用法
- 第1节: Plugin介绍
- 31-1：【课件】TensorRT plugin用法
- 31-2：【视频】plugin介绍
- 第2节: Static Shape Plugin
- 32：【视频】Static Shape Plugin API & Demo
- 第3节: Dynamic Shape Plugin
- 33：【视频】Dynamic Shape Plugin API & Demo
- 第4节: PluginCreator注册
- 34：【视频】PluginCreator注册
- 第5节: 延伸：TensorRT如何debug
- 35：【视频】Debug Plugin经验
- 第6节: 实践作业
- 36-1：【作业】第六章
- 36-2：project ViT_TRT.zip
- 36-3：project bert.rar
- 第7章: TensorRT量化加速
- 37-1：【课件】TensorRT INT8量化加速（无标记版）
- 37-2：【课件】TensorRT INT8量化加速
- 第1节: TRT FP16优化
- 38：【视频】TRT FP16优化
- 第2节: TRT INT8量化算法
- 39-1：【视频】TRT INT8量化算法（上）
- 39-2：【视频】TensorRT INT8量化算法（下）
- 第3节: TRT大规模上线经验
- 40：【视频】TRT大规模上线
- 41-1：作业第七章.pdf
- 41-2：【作业】第七章
- 41-3：作业7思路讲解.pdf
- 第8章: TensorRT 转换 ONNX模型
- 第1节: ONNX 介绍
- 42：【课件】TensorRT 转换 ONNX 模型
- 43-1：【视频】如何获得免费的GPU服务器资源
- 43-2：【视频】ONNX 介绍
- 第2节: 背景知识
- 44-1：【视频】背景知识 lower概念
- 44-2： 【视频】背景知识 Myelin
- 第3节: TRT转换模型的主要痛点
- 45：【视频】TRT转换模型的主要痛点
- 第4节: 实践
- 46-1：【视频】实践上：Transformer模型优化 解决不支持的算子
- 46-2：【视频】 实践下：Transformer模型优化 合并LayerNorm算子
- 第5节: polygraphy
- 47：【视频】 polygraphy
- 第9章: 模型推理经验
- 48：【课件】模型推理经验
- 第1节: 转换方式比较
- 49：【视频】转换方式比较
- 第2节: TRT如何测试并调优
- 50：TRT如何测试并调优
- 第3节: CUDA与TRT的调试建议
- 51-1：【视频】CUDA与TRT的调试建议
- 51-2：【视频】CUDA与TRT的调试建议 并行思维锻炼
- 第4节: 模型可以加速到什么程度
- 52：【视频】模型可以加速到什么程度
