सेवा के बारे में
अनुवादितमैं एक GPU डेवलपर हूँ और भारी संख्यात्मक कार्यों को ग्राफिक्स कार्ड पर स्थानांतरित करके कई गुना तेज़ चलाता हूँ। जब एक सिमुलेशन, सिग्नल प्रोसेसिंग या ML पाइपलाइन CPU को घंटों तक पूरी गति से लोड रखती है, तो मैं यह प्रोफाइल करता हूँ कि समय वास्तव में कहाँ जाता है, गर्म अनुभाग को हजारों समानांतर थ्रेड्स के लिए पुनर्गठन करता हूँ और इसे CUDA कर्नेल के रूप में फिर से लिखता हूँ जो सभी स्ट्रीम मल्टीप्रोसेसर्स को बिना Idle समय के लोड करता है। मैं केवल सहीता की परवाह नहीं करता बल्कि थ्रूपुट की भी: डेटा कैसे वैश्विक, साझा और रजिस्टर मेमोरी के माध्यम से बहता है, वॉर्प्स कितने संगत हैं और कर्नेल वास्तव में लाइव हार्डवेयर पर कितनी सैद्धांतिक बैंडविड्थ खींचता है।
अधिकांश परियोजनाएँ मौजूदा CPU कोड के साथ शुरू होती हैं जो अपनी रनटाइम से बाहर हो गई हैं। मैं उस तर्क को GPU पर चरण दर चरण पोर्ट करता हूँ, प्रत्येक चरण में मूल के खिलाफ परिणामों की पुष्टि करता हूँ ताकि संख्याएँ भटक न जाएँ, फिर अधिभोग, समेकित मेमोरी एक्सेस और थ्रेड ओवरलैप को बढ़ाता हूँ जब तक कि त्वरक वास्तविक और मापने योग्य न हो जाए। मैं CUDA Toolkit और साथी पुस्तकालयों — cuBLAS, cuFFT, Thrust — के साथ धाराप्रवाह काम करता हूँ और यह साबित करने के लिए Nsight और प्रोफाइलर्स पर निर्भर करता हूँ कि बाधा वास्तव में कहाँ है, अनुमान नहीं। चाहे यह वैज्ञानिक HPC, सिग्नल प्रोसेसिंग या ML प्रशिक्षण और अनुमान हो, मैं कर्नेल प्रदान करता हूँ जो दस्तावेजीकृत, पुनरुत्पादनीय और आपके निर्माण में एकीकृत करने के लिए तैयार हैं।
यदि कोड धीमा है और आप प्रोसेसर की दीवार पर हैं, तो कार्य का वर्णन करें और जहाँ यह चोट करता है — मैं ईमानदारी से आपको बताऊँगा कि GPU कितना लाभ उठा सकता है और मैं वहाँ कैसे पहुँचूँगा।
— CUDA कर्नेल विकास और अनुकूलन
— CPU से GPU पर एल्गोरिदम पोर्टिंग
— मेमोरी और बैंडविड्थ ट्यूनिंग (वैश्विक, साझा, रजिस्टर)
— cuBLAS, cuFFT, Thrust एकीकरण
— Nsight प्रोफाइलिंग और बाधा विश्लेषण
— मल्टी-GPU और थ्रेड समवर्तीता
— HPC त्वरक और ML प्रशिक्षण/अनुमान गति में वृद्धि
अधिकांश परियोजनाएँ मौजूदा CPU कोड के साथ शुरू होती हैं जो अपनी रनटाइम से बाहर हो गई हैं। मैं उस तर्क को GPU पर चरण दर चरण पोर्ट करता हूँ, प्रत्येक चरण में मूल के खिलाफ परिणामों की पुष्टि करता हूँ ताकि संख्याएँ भटक न जाएँ, फिर अधिभोग, समेकित मेमोरी एक्सेस और थ्रेड ओवरलैप को बढ़ाता हूँ जब तक कि त्वरक वास्तविक और मापने योग्य न हो जाए। मैं CUDA Toolkit और साथी पुस्तकालयों — cuBLAS, cuFFT, Thrust — के साथ धाराप्रवाह काम करता हूँ और यह साबित करने के लिए Nsight और प्रोफाइलर्स पर निर्भर करता हूँ कि बाधा वास्तव में कहाँ है, अनुमान नहीं। चाहे यह वैज्ञानिक HPC, सिग्नल प्रोसेसिंग या ML प्रशिक्षण और अनुमान हो, मैं कर्नेल प्रदान करता हूँ जो दस्तावेजीकृत, पुनरुत्पादनीय और आपके निर्माण में एकीकृत करने के लिए तैयार हैं।
यदि कोड धीमा है और आप प्रोसेसर की दीवार पर हैं, तो कार्य का वर्णन करें और जहाँ यह चोट करता है — मैं ईमानदारी से आपको बताऊँगा कि GPU कितना लाभ उठा सकता है और मैं वहाँ कैसे पहुँचूँगा।
— CUDA कर्नेल विकास और अनुकूलन
— CPU से GPU पर एल्गोरिदम पोर्टिंग
— मेमोरी और बैंडविड्थ ट्यूनिंग (वैश्विक, साझा, रजिस्टर)
— cuBLAS, cuFFT, Thrust एकीकरण
— Nsight प्रोफाइलिंग और बाधा विश्लेषण
— मल्टी-GPU और थ्रेड समवर्तीता
— HPC त्वरक और ML प्रशिक्षण/अनुमान गति में वृद्धि
