NVIDIA AI และพื้นฐานการเร่งความเร็ว GPU

การประมวลผลด้วย GPU ได้ปฏิวัติวิธีการสร้างและปรับใช้ปัญญาประดิษฐ์ เพื่อทำงานกับ AI ที่ทันสมัย การทำความเข้าใจวิธีใช้ฮาร์ดแวร์เฉพาะและไลบรารีซอฟต์แวร์พิเศษเป็นสิ่งจำเป็น หลักสูตรแบบข้อความล้วนนี้จะแนะนำคุณตลอดแนวคิดพื้นฐานของการพัฒนา AI ที่เร่งด้วย GPU คุณจะเข้าใจว่าการประมวลผลแบบขนานขับเคลื่อน Deep Learning อย่างไร และวิธีใช้เฟรมเวิร์กและเครื่องมือมาตรฐานเพื่อเพิ่มประสิทธิภาพโมเดล สิ่งที่คุณจะได้เรียนรู้: 1. ทำความเข้าใจสถาปัตยกรรมหลักของ GPU และวิธีที่พวกมันเร่งเวิร์กโหลด Deep Learning 2. เรียนรู้พื้นฐานของ CUDA และวิธีที่ไลบรารีการเขียนโปรแกรมเชื่อมต่อกับฮาร์ดแวร์ 3. กำหนดค่าโมเดล Deep Learning โดยใช้เฟรมเวิร์กยอดนิยมที่ปรับให้เหมาะสมสำหรับการเร่งด้วย GPU 4. สำรวจเทคนิคการเพิ่มประสิทธิภาพโมเดล รวมถึง quantization และการปรับความแม่นยำ 5. ฝึกสร้างไปป์ไลน์ที่มีประสิทธิภาพสำหรับการฝึกอบรมและการปรับใช้โครงข่ายประสาทเทียม 6. ค้นพบเวิร์กโฟลว์ AI ที่ทันสมัย รวมถึง retrieval-augmented generation (RAG) และการเพิ่มประสิทธิภาพ LLM หลักสูตรเริ่มต้นด้วยคำศัพท์ฮาร์ดแวร์และซอฟต์แวร์ที่จำเป็น ก่อนที่จะแนะนำคุณผ่านตัวอย่างโค้ดเชิงปฏิบัติและเวิร์กโฟลว์การเพิ่มประสิทธิภาพ คุณจะได้อ่านคำอธิบายที่ครอบคลุมและวิเคราะห์โค้ดสั้นๆ ที่มีโครงสร้างเพื่อสร้างความรู้เชิงปฏิบัติของคุณ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นในการพัฒนา AI ที่ต้องการทำความเข้าใจการเร่งด้วย GPU ไม่จำเป็นต้องมีประสบการณ์การเขียนโปรแกรมฮาร์ดแวร์มาก่อน แต่ความรู้ Python พื้นฐานจะเป็นประโยชน์ เริ่มต้นการเดินทางสู่การพัฒนา AI ประสิทธิภาพสูงของคุณวันนี้