Triton 是一种用于并行编程的语言和编译器。它旨在提供一个基于 Python 的编程环境,以高效编写自定义 DNN 计算内核,并能够在现代 GPU 硬件上以最大吞吐量运行。
更多 Triton 中文文档可访问 →https://triton.hyper.ai/
triton.language.num_programs(axis)
返回沿着指定 axis 启动的程序实例的数量。
参数**:**
- axis (int) - 3D 启动网格的轴。必须为 0、1 或 2。
墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
400+累计阅读
476平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年,写一次发全网
我也要 →
码龄7年
Triton 是一种用于并行编程的语言和编译器。它旨在提供一个基于 Python 的编程环境,以高效编写自定义 DNN 计算内核,并能够在现代 GPU 硬件上以最大吞吐量运行。
更多 Triton 中文文档可访问 →https://triton.hyper.ai/
triton.language.num_programs(axis)
返回沿着指定 axis 启动的程序实例的数量。
参数**:**
Matlab Arduino 硬件支持包安装 MATLAB_Support_Package_for_Arduino_Hardware
Matlab Arduino硬件支持包离线安装
Triton 语言标准库 API 全指南:triton.language 模块分类详解与源码解析
本篇技术指南以开源仓库 [docs/python-api/triton.language.rst](https://link.gitcode.com/i/16d1a984639412079efed2633c9a3e6e) 的 API 清单为骨架,系统梳理 Triton 内核编程语言 `triton.language`(惯用别名 `tl`)的完整公开接口。文档按语义将接口划分为编程模型、创建、形状操
跟着团子学SAP PS:BOM和项目结构的联动-BOM Transfer CN33
关于项目中的物料组件挂接你需要了解的一点功能
CANN Triton-Ascend首个Kernel教程
本文档通过一个完整的向量加法(Vector Addition)示例,逐步介绍 Triton-Ascend kernel 的编写、启动和验证方法。你将学习 `@triton.jit` 装饰器、kernel 函数签名、`tl.program_id`、`tl.arange`、`tl.load`/`tl.store` 等核心 API 的用法,以及 NPU 平台上 kernel 启动的 grid 配置和与
INS/伪距组合导航(1)
星间单差GNSS/INS伪距紧组合
Android Framework SurfaceFlinger面试题及参考答案
请简述 SurfaceFlinger 在 Android 系统中的作用。 SurfaceFlinger 是 Android 系统中一个非常关键的服务。它主要负责将多个应用程序的 Surface 合成到一个屏幕显示内容中。 从应用程序的角度来看,每个应用都有自己的 UI 界面,这些 UI 界面实际上是由一系列的图层(Surface)构成。例如,一个应用可能有背景图层、按钮图层、文本图层等。应用通过向 SurfaceFlinger 提供这些 Surface 来请求显示。 SurfaceFl
Triton GPU编程:用Python编写高性能AI算子的原理与实践
GPU加速计算的核心在于高效利用硬件并行性与内存带宽,其底层依赖对SM调度、shared memory bank、warp divergence等架构特性的精细控制。传统CUDA开发需深入硬件手册,抽象层级低、跨平台难、调试成本高;而Triton通过将Python函数作为IR、编译器动态生成SASS指令,实现了‘高层语义+硬件感知’的统一。它自动处理memory coalescing、bank conflict规避、Tensor Core映射等关键优化,显著降低custom op开发门槛。在A100/H10
1.4 KFD 设备文件的获取与驱动握手协议
本文分析了OpenClose模块中libhsakmt与KFD内核驱动建立通信的过程。首先通过hsaKmtOpenKFD()函数打开/dev/kfd设备文件,建立用户态与内核态的通信通道。随后通过AMDKFD_IOC_GET_VERSION ioctl命令完成版本握手,确认双方的接口兼容性。KFD驱动采用Major.Minor二级版本号体系,当前主要版本为1,从1.1演进到1.19不断添加新功能。整个过程构成了用户态与内核态之间的"建连协议",是所有后续GPU操作的基础前提。
CANN/cannbot-skills:Ascend Pooling算子Triton优化指南
本指南为 Ascend NPU 上 Pooling 算子(AvgPool/MaxPool,2D/3D)的 Triton 实现提供**完整的、可复现的**优化方法论。每个 Phase 包含:识别条件 → 代码模板 → 预期收益 → 常见陷阱。 **适用算子**:MaxPool3d / AvgPool3d / MaxPool2d / AvgPool2d **目标平台**:Ascend 910B1
UE5 GAS 学习笔记 1.2游戏标签
这一节对GameplayTag游戏标签进行详细的讲解。
STM32F103标准库开发:Keil5新建STM32工程
新建STM32工程 步骤一:创建工程模板文件 新建一个文件夹 template 在文件夹template里面新建五个文件 (1)CMSIS: 存放内核驱动程序和启动引导文件 (2)FWLIB:存放库函数文件 (3)Project:存放工程文件 (4)System:存放自己写的驱动程序 (5)User:存放用户程序(主函数) 步骤二:导入stm...
Windows原生部署vLLM:Triton编译与CUDA兼容性实战指南
vLLM作为主流大模型推理引擎,其高性能依赖于PagedAttention、Continuous Batching等GPU底层优化技术,而这些能力根植于CUDA生态——包括CUDA Toolkit、cuDNN、NVIDIA驱动及Triton编译器。在Windows平台,由于缺乏官方预编译wheel包、CUDA版本对齐严格、MSVC与CMake配置敏感等限制,Triton源码编译成为不可绕过的硬性门槛。掌握CUDA驱动/Toolkit版本匹配规则、CMAKE_PREFIX_PATH环境变量设置、Triton
霍尼韦尔SoftMaster使用说明
霍尼韦尔SoftMaster使用说明
CANN Bot SPMD模型NPU映射
Triton 采用 SPMD(Single Program, Multiple Data)编程模型,开发者编写一份 kernel 程序,由多个 program 实例并行执行,每个实例处理不同的数据分片。在 GPU 上,SPMD 通过 CUDA Thread Block 实现;在华为昇腾 NPU 上,SPMD 模型映射为 **AI Core 物理核并行**,每个 program 实例对应一个 AI
pscad IEEE标准系统搭建说明
pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。
汉书HE8,好用的汇编代码编写工具
汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大
JAX Pallas 内核编程 API 完全指南:从 `jax.experimental.pallas` 到 GPU/TPU 自定义内核
Pallas 是 JAX 官方提供的自定义内核语言(kernel language),它把 `jax.numpy` 的编程体验延伸到设备代码层,让你能用 `Ref`、`BlockSpec` 和 `GridSpec` 精确控制数据如何在片上内存(on-chip memory)中被切分、搬运与计算。本文以仓库中的模块 API 参考文档 [docs/jax.experimental.pallas.rst
华为的C语言编程规范.pdf
华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。
CANN/cannbot-skills Kernel分裂优化
多 Case 场景下,单个泛用 Kernel 往往无法在所有 Shape/Dtype 特征下都取得最优性能。 Kernel 分裂优化通过按 Case 特征生成专用 Kernel,并构建统一调度器进行自动路由,使每个 Case 都能使用最匹配的实现,同时保持对外接口和精度一致性。 **核心原则**: 1. **精度优先**:专用 Kernel 必须 100% 通过精度验证,否则回退到泛用 Kern
JAX Pallas 深度实战:用 Ref、Grid 与 BlockSpec 手写 GPU / TPU 自定义内核
Pallas 是 JAX 官方的内核编程语言(kernel language),它把 JAX 的追踪(tracing)机制与 `jax.numpy` 编程体验延伸到设备代码层,允许开发者针对 GPU(NVIDIA Hopper/Blackwell、TPU 各代)手写高度可控的自定义内核,去解决编译器无法自动完成的算子融合、内存访问模式与稀疏结构优化等问题。本文以 [docs/401/pallas.
AI 问数真的能替代 BI 报表吗?
AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。
ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信
AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。
【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端
上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。
抽象主义人工智能和生命体AI的内在联系
彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。
OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统
OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。
OpenClaw 深度调查:把 AI 助手做成你自己的控制平面
对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。
AI赋能智慧港口建设|造形家快速生成港口全要素三维场景
随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。
从设备增点到治理闭环:老旧小区物业数智化落地实践
系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;
877
163

被折叠的 条评论
为什么被折叠?



