Code
CUDA-Optimierung eines Bilderkennungs-Kernels für ein Stuttgarter Visual-Inspection-Startup
FreeVerified credential3 WochenAdvanced
Übersicht
Worum es bei diesem Projekt geht.
Optimiere einen CUDA-Kernel für ein Startup, implementiere zwei bis drei Optimierungen und erhalte ein verifizierbares Zertifikat.
CredentialBlockchain-anchored
ShareableLinkedIn-ready
LanguageEnglish
PaceSelf-paced
Das Briefing
Was Du tust und was Du zeigst.
Wie hebt man die GPU-Auslastung eines CUDA-Defekt-Erkennungs-Kernels von 35 auf mindestens 70 Prozent ohne Funktionalitäts-Verlust?
Earning criteria — what you'll demonstrate
- GPU-Kernel mit Nsight Compute systematisch profilieren
- Memory-Coalescing, Shared-Memory-Tiling und Warp-Primitive einsetzen
- Occupancy gegen Register-Druck bewusst abwägen
- Korrektheit von GPU-Optimierungen über CPU-Referenz absichern
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Advanced Concurrency and Parallel Computing
Master · Cs Se
Fit score: 1
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
GPU-Programmierer:in
CUDA-Kernel auf 70+ Prozent Auslastung zu bringen ist eine seltene Senior-Fähigkeit, die KI-, Visual-Inspection- und HPC-Anbieter aggressiv suchen.
Dieses Projekt schärft
- cuda
- memory-coalescing
- warp-primitives
Noch eine Sache