WebGPU Subgroup 操作与 SIMT 性能优化实战:从 shuffle 到 ballot WebGPU 的 subgroup 原语为 Web 平台带来了 GPU 级别的 SIMD 通信能力。 工程实践 2026年10月03日 0 点赞 0 评论 115 浏览
LLM 推理确定性工程深度实战:从浮点非结合性、Batch 不变性到可复现 Kernel 的全链路解法 拆解 LLM 推理不确定性的三个根因——浮点加法非结合性、split-k 与浮点 atomicAdd 的非确定累积、Continuous Batching 导致的 batch invariance 破缺 Linux内核 2026年10月04日 0 点赞 0 评论 119 浏览
Triton GPU编程语言深度实战:从矩阵乘法到Flash Attention、内核融合与AI编译器优化的完全工程指南 Triton是由OpenAI开发的开源GPU编程语言,提供类似Python的高级语法同时达到接近手写CUDA的性能。本文深入讲解Triton的编程模型、矩阵乘法优化、Flash Attention实现、内核融合技术以及在PyTorch生产环境中的最佳实践。 大语言模型 2026年09月20日 0 点赞 0 评论 122 浏览
Rust + CUDA IPC:多 GPU 间零拷贝张量通信工程实战 大规模 AI 模型训练与推理离不开多 GPU 协作。本文深入讲解 CUDA IPC 机制如何实现在同一节点内多 GPU 间零拷贝张量传递,并通过 Rust FFI 绑定给出完整工程实现,覆盖内存共享模型、事件同步、NVLink 拓扑感知、错误处理与 NCCL 集成。 GPU并行计算 2026年09月30日 0 点赞 0 评论 126 浏览
CUDA Unified Memory 深度工程:虚拟内存管理、页面迁移与 OOM 治理实战 深入剖析CUDA Unified Memory的内部机制、页面迁移策略、VMM虚拟内存管理API以及生产环境中的OOM治理方案。涵盖从CUDA 6到CUDA 12的内存模型演进、GPU缺页中断、cuMemAdvise/cuMemPrefetchAsync优化、Split Migration以及自研显存管理器的实战代码。 内存管理 2026年10月03日 0 点赞 0 评论 158 浏览
CUDA Warp 编程深度实战:从 Bank Conflict 到 Tensor Core 极限优化 深入NVIDIA GPU Warp级并行机制,从Bank Conflict原理到Tensor Core极限优化,涵盖Shared Memory架构、Warp分支发散、FP16矩阵乘实战案例及NSight Compute性能分析 GPU并行计算 2026年09月29日 0 点赞 0 评论 158 浏览
WebGPU 下一代 GPU 编程接口深度实战:从 WGSL 着色器语言到计算管线、并行图像处理与生产级 Web 端 ML 推理部署的完全工程指南 WebGPU 作为 WebGL 的下一代替代标准,引入了现代 GPU 编程范式的全部能力:显式资源管理、计算着色器、Bindless 资源模型、显式同步与零开销抽象。 图像设计 2026年09月20日 0 点赞 0 评论 167 浏览