WebGPU 多渲染目标（MRT）与后处理管线实践
"以 WebGPU 的多渲染目标（MRT）与后处理管线为核心，构建 G-Buffer 与常见后期效果（Bloom/DOF/SSR），提供可复现实验与性能对比，助力前端高质量可视化。"
webgpu
WebGPU 计算着色器与并行加速实践：WGSL、SAB 与性能度量
"使用 WebGPU 计算着色器（WGSL）与并行数据管线，实现大规模并行计算加速，并结合 SAB 与性能度量，验证端侧图形/数值任务的吞吐提升。"
WebGPU计算着色器：GPGPU基础与并行模型
使用 WebGPU 计算着色器进行通用并行计算，理解工作组与内存模型，构建高性能数据处理。
WebGPU 高性能渲染入门与实践
"系统性介绍 WebGPU 的设备初始化、管线与着色器开发流程，基于真实测试数据对比 WebGL 的性能差异，帮助前端团队在可视化与图形计算场景落地高性能渲染。"
WebGPU 入门与性能优化实战
"提供基于 WebGPU 的可验证入门示例与性能优化策略，帮助前端团队构建高效的原生 GPU 渲染。"
WebGPU 计算着色器在数据可视化中的实践
"以 WebGPU 的计算着色器为核心，在前端实现并行数据处理与可视化渲染的协同优化，并以真实基准验证性能与交互体验改善。"
WebGPU 前端计算加速实践（2025）
WebGPU 前端计算加速实践（2025）一、初始化与资源设备与队列：申请 GPU 设备与队列；检查兼容性。缓冲区：合理的映射/拷贝策略，降低内存开销。二、着色器与并行WGSL 着色器：编写计算/渲染着色器；并行调度。管线：配置计算/渲染管线与绑定布局。三、性能与降级性能观测：采集耗时与带宽与热度；
ONNX Runtime Web + WebGPU 前端推理性能优化实践
"以 ONNX Runtime Web 配合 WebGPU 在浏览器端进行模型推理，覆盖图像与文本模型的优化、量化与并行策略，并以真实基准验证性能收益。"
WebGPU：计算与渲染管线基础
使用 WebGPU 构建基础渲染与计算管线，包括适配器/设备获取、WGSL 着色器、管线配置与命令提交，并给出兼容与性能建议。
ONNX Runtime Web 与 WebGPU 浏览器端推理加速实践
"在浏览器中以 ONNX Runtime Web 结合 WebGPU 进行模型推理，加速图像与文本任务，提供可复现实验与性能数据，探索前端边缘 AI 的落地路径。"
