gpu

HyperAI超神经

【TVM教程】理解 Relax 抽象层TVM 现已更新到 0.21.0 版本，TVM 中文文档已经和新版本对齐。Apache TVM 是一个深度的深度学习编译框架，适用于 CPU、GPU 和各种机器学习加速芯片。

Windows平台Ollama AMD GPU编译全攻略：基于ROCm 6.2的实战指南（附构建脚本）Ollama作为当前热门的本地大语言模型运行框架，其官方版本主要针对NVIDIA CUDA进行了优化。对于广大AMD GPU用户而言，直接使用官方二进制包无法获得GPU硬件加速，导致模型推理速度大幅下降。本文将深入解析如何在Windows系统上，利用AMD ROCm 6.2 SDK，从源码编译出支持AMD GPU加速的Ollama版本，并详细解释每一步背后的技术原理与最佳实践。

HyperAI超神经

在线教程丨华中科大与小红书 hi lab开源dots.mocr，SOTA级OCR模型完美还原文档结构，图形也能转 SVG面对海量文档中的复杂图表、表格和多语言内容，传统 OCR 常常力不从心，主要原因是其核心能力集中于文本识别，往往将图表、公式、UI 布局等复杂视觉元素简单裁剪为图像，导致文档结构被破坏、语义关系丢失，难以满足高质量信息提取与重建需求。

NCCL 测试完全指南：从概念到性能调优📅 版本：2026-03-30 🎯 目标：全面掌握 NCCL 测试方法，从入门到精通 📚 NCCL 版本：基于 NCCL 2.29.7 ⏱️ 预计阅读时间：3-5 小时 💻 适用对象：AI 工程师、HPC 开发者、系统管理员

个人游戏笔记本免费“养龙虾”（二）用显卡GPU运行OpenClaw，CUDA的安装与配置系列文章： 1. 个人游戏笔记本免费“养龙虾”（Win10+WSL2+OpenClaw 部署与配置指南）

被制作时长两年半的个人练习生

Engram论文笔记原文在https://link.zhihu.com/?target=https%3A//github.com/deepseek-ai/Engram/blob/main/Engram_paper.pdf。这篇论文出了一段时间了，刚出的时候没怎么看懂，现在结合知乎的高赞回答看了一遍，已经养肥了。这篇文章写几个我比较感兴趣的点，又查了一点资料。

被制作时长两年半的个人练习生

blackwell和warp specialization的背景下如何理解CTA在Blackwell架构和Warp Specialization的背景下，CTA（协作线程数组）的概念和角色发生了重要演变，从传统的执行单元转变为更复杂的任务协调和数据流管理单元。

放逐者-保持本心，方可放逐

地图热力图核心封装以下是一个完整的HTML测试案例，演示如何使用整合后的MultiScaleHeatmapManager在Cesium中显示热力图。该案例生成5000个随机点（模拟北京市区周边数据），并包含简单的启用/禁用控制。

CPU与GPU排序性能对比分析本实验通过实现CPU和GPU版本的大数排序算法，对比了两者在不同数据规模下的性能表现。实验结果表明，GPU在处理大规模数据排序时具有显著优势，而CPU在小规模数据上表现更好。本文详细介绍了实验设计、实现过程、结果分析以及编程步骤，为相关领域的性能优化提供参考。

【Three.js 与 Shader】编写你的第一个自定义着色器，让模型拥有灵魂以前我觉得 Shader 是神仙才能看懂的东西，直到我发现它其实就是告诉 GPU“怎么画”的说明书。两年前我第一次接触 Shader，看了一篇教程，开头就是 gl_FragColor、varying、uniform 这些天书一样的词。我心想：这玩意儿是人写的吗？

波哥学开发

# Three.js 进阶：如何绘制"像素大小固定"的箭头？三种方案全解析🎯 一句话总结：在 3D 场景中绘制 2D UI 标记，既要「像素恒定」又要「性能可控」，选对方案比写对代码更重要。

爱学习的大牛123

GPU架构学习图形处理单元（Graphics Processing Unit，GPU）自诞生以来，已从专注于图形渲染的专用硬件演变为支撑现代计算科学、人工智能、科学仿真乃至区块链等多元领域的通用并行计算引擎。其核心架构设计理念——以大规模并行性换取高吞吐量——与传统中央处理单元（CPU）的低延迟串行执行路线形成了鲜明对比。本文将系统、深入地剖析GPU的架构演进历程、核心组成部件、内存层次结构、执行模型、调度机制以及现代GPU在AI与高性能计算（HPC）领域的前沿扩展，旨在为读者提供一份兼具理论深度与工程实践价值的综合性

趋动科技 OrionX 社区版永久免费：重塑 AI 算力格局的“胜负手”嘿，朋友，我知道你现在面临什么。看着GPU利用率监控，那条线永远在20%-30%徘徊。价值几十万的硬件，大部分时间都在“睡大觉”。

专注VB编程开发20年

C#,VB.NET GPU计算和调试c# OpenCL可以直接以源码形式调试吗？估计不行吧，要是可以事件方式返回结果，或者把结果写入C#的几个地址，通过监控主线程的一些内存或对象的地址，查看GPU运行进度和计算结果

【OpenClaw 本地实战 Ep.2】零代码对接：使用交互式向导快速连接本地 LM Studio 用 CUDA GPU 推理目标：让 OpenClaw 调用本地 LM Studio 运行的模型，代替 Ollama 实现稳定的 CUDA GPU 推理，体验极速的本地模型服务部署方式：从源代码部署（非 npm 全局安装）环境：Windows + WSL2（推荐）或原生 Windows 版本：OpenClaw 2026.2.13 (a2b45e1)

CUTLASS README v4.4.0CUTLASS 4.4.0 - 2026年1月CUTLASS 是一套在 CUDA 中所有层次和规模上实现高性能矩阵乘法（GEMM）及相关计算的抽象集合。它融合了分层分解和数据移动的策略。CUTLASS 将这些“可动部件”分解为可重用、模块化的软件组件和抽象。

总结各GPU的OpenCL子组洗牌支持情况子组(Sub-group)自 OpenCL 2.0 正式引入，是工作组(Work-group)内部更小的执行单位，通常直接映射到 GPU 的 SIMD/SIMT 执行单元（如 Nvidia Warp 和 AMD Wavefront），具有更好的数据共享与同步能力。

算子开发到底在做什么？“算子开发（Operator Kernel Development）”在真实工业环境里，绝对不只是“写一个 conv 的实现”，而是：

B-基础：GPU驱动基础概念GPU（图形处理器）就像一个超级厨师,专门负责处理复杂的计算任务。而GPU驱动就是这个厨师的工作手册,告诉厨师如何使用厨房里的各种设备,如何高效地完成烹饪任务。在算力中心,GPU驱动的重要性不言而喻,它直接影响着AI训练和推理的效率。

F-排查：GPU驱动故障排查手册在算力中心的日常运维中,GPU驱动故障是不可避免的。就像人生病需要医生诊断一样,GPU驱动故障也需要系统化的排查方法。本手册将为你提供一套完整的GPU驱动故障排查流程和方法,帮助你快速定位和解决问题。