Über diesen Kurs

9.918 kürzliche Aufrufe

This course will help prepare students for developing code that can process large amounts of data in parallel on Graphics Processing Units (GPUs). It will learn on how to implement software that can solve complex problems with the leading consumer to enterprise-grade GPUs available using Nvidia CUDA. They will focus on the hardware and software capabilities, including the use of 100s to 1000s of threads and various forms of memory.

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 2 von 4 in

Spezialisierung GPU Programming

Stufe „Mittel“

Some experience in C/C++ programming

Ca. 21 Stunden zum Abschließen

Englisch

Was Sie lernen werden

Students will learn how to utilize the CUDA framework to write C/C++ software that runs on CPUs and Nvidia GPUs.
Students will transform sequential CPU algorithms and programs into CUDA kernels that execute 100s to 1000s of times simultaneously on GPU hardware.

Kompetenzen, die Sie erwerben

Cuda
Algorithms
C/C++
GPU
Nvidia

Flexible Fristen

Setzen Sie Fristen gemäß Ihrem Zeitplan zurück.

Zertifikat zur Vorlage

Erhalten Sie nach Abschluss ein Zertifikat

100 % online

Beginnen Sie sofort und lernen Sie in Ihrem eigenen Tempo.

Coursera-Labore

Enthält praktische Lernprojekte.

Hier finden Sie weitere Informationen zu Coursera-Laboren

Kurs 2 von 4 in

Spezialisierung GPU Programming

Stufe „Mittel“

Some experience in C/C++ programming

Ca. 21 Stunden zum Abschließen

Englisch

Dozent

Chancellor Thomas Pascale

Instructor and Software Engineer

Computer Science

5.076 Lernende

4 Kurse

Lehrplan - Was Sie in diesem Kurs lernen werden

Woche1

Woche 1

4 Stunden zum Abschließen

Course Overview

4 Stunden zum Abschließen

3 Videos (Gesamt 11 min), 4 Lektüren, 1 Quiz

Woche2

Woche 2

5 Stunden zum Abschließen

Threads, Blocks and Grids

5 Stunden zum Abschließen

8 Videos (Gesamt 50 min), 1 Lektüre, 4 Quiz

8 Videos

Kernel Execution6mDivide and Conquer to GPU Algorithms5mModule 2 Lab Overview Video4mModule 2 Randomized Data Search Assignment Overview Video4mThreads and Blocks7mThreads, Blocks, and Grids6mMultidimensional Gaussian Blur Kernel Example7mModule2 Image Processing Assignment Overview Videos6m

1 Lektüre

Nvidia CUDA Software and Hardware Reading Materials10m

2 praktische Übungen

CPU to GPU Algorithm Conversion Quiz30mMultidimensional Data and Computation on the GPU Quiz30m

Woche3

Woche 3

5 Stunden zum Abschließen

Host and Global Memory

5 Stunden zum Abschließen

8 Videos (Gesamt 23 min)

8 Videos

Nvidia GPU Device Global Memory3mLinux CLI GPU Device Identification1mGPU Device Global Memory Investigation2mNvidia GPU Device Investigation Commands Lab Overview Video1mHost Memory Allocation5mDevice Global Memory Allocation3mHost and Device Global Memory Allocation Lab Overview Video3mAllocation and Assignment of Different Types of Host and Global Memory Overview Video2m

1 praktische Übung

CPU and GPU Global Memory Quiz30m

Woche4

Woche 4

4 Stunden zum Abschließen

Shared and Constant Memory

4 Stunden zum Abschließen

6 Videos (Gesamt 22 min)

6 Videos

Nvidia GPU Device Shared and Constant Memory Video Lecture3mGPU Device Shared and Constant Memory Investigation3mGPU Device Shared Memory Allocation3mGPU Device Constant Memory Allocation4mCUDA Shared and Constant Memory Image Processing Lab Overview Video3mCUDA Shared and Constant Memory Image Manipulation Assignment Overview Video4m

1 praktische Übung

CUDA Constant and Shared Memory Quiz15m

Häufig gestellte Fragen

Wann erhalte ich Zugang zu den Vorträgen und Aufgaben?
Der Zugang zu Vorlesungen und Aufgaben hängt von der Art Ihrer Anmeldung ab. Wenn Sie einen Kurs im Gastmodus belegen, können Sie die meisten Kursmaterialien kostenlos einsehen. Um auf benotete Aufgaben zuzugreifen und ein Zertifikat zu erhalten, müssen Sie während oder nach Ihrer Gastphase das Zertifikat erwerben. Wenn Sie die Gastoption nicht sehen:
Der Kurs bietet möglicherweise keine Gastoption an. Sie können stattdessen eine kostenlose Testversion ausprobieren oder finanzielle Unterstützung beantragen.
Der Kurs kann stattdessen "Vollständiger Kurs ohne Zertifikat" anbieten. Mit dieser Option können Sie alle Kursmaterialien einsehen, die erforderlichen Aufgaben einreichen und eine Endnote erhalten. Dies bedeutet auch, dass Sie kein Zertifikat erwerben können.
Was bekomme ich, wenn ich diese Spezialisierung abonniere?
Wenn Sie sich für den Kurs anmelden, erhalten Sie Zugriff auf alle Kurse der Spezialisierung und Sie erhalten nach Abschluss aller Arbeiten ein Zertifikat. Ihr elektronisches Zertifikat wird zu Ihrer Seite „Errungenschaften“ hinzugefügt – von dort können Sie Ihr Zertifikat ausdrucken oder es zu Ihrem LinkedIn Profil hinzufügen. Wenn Sie nur lesen und den Inhalt des Kurses anzeigen möchten, können Sie kostenlos als Gast an dem Kurs teilnehmen.
Ist finanzielle Unterstützung möglich?
Ja. Für ausgewählte Lernprogramme können Sie finanzielle Unterstützung oder ein Stipendium beantragen, wenn Sie sich die Anmeldegebühr nicht leisten können. Wenn für das von Ihnen gewählte Lernprogramm finanzielle Unterstützung oder ein Stipendium verfügbar ist, wird auf der Beschreibungsseite ein Link zu einem solchen Antrag angezeigt.
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.

Haben Sie weitere Fragen? Besuchen Sie das Learner Help Center.

Introduction to Parallel Programming with CUDA

Über diesen Kurs

Was Sie lernen werden

Kompetenzen, die Sie erwerben