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
487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
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。
*在线运行 Triton 学习教程
链接是：https://hyper.ai/notebooks/35867?utm_source=Distribute&utm_medium=Distribute-Triton&utm_campaign=Distribute-Triton-260126
triton.language.abs(x)
计算 x 的逐元素绝对值。
参数**：**
Agent本地部署教程详细步骤
在开始之前，你需要明确你要部署的Agent是什么。如果你需要部署其他Agent，请参考其官方文档调整步骤。
【Triton 教程】triton_language.tensor
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。这里大多数命名的成员函数都是 triton.language 中自由函数的重复。例如，triton.language.sqrt(x) 等同于 x.sqrt()。triton.language 中的大多数函数对 tensors 进行操作并返回。tensor 还定义了大部分的魔法/双下划线方法，因此可以像写 x+y、x << 2 等等。
Windows下Python多版本共存与切换的终极指南（含环境变量详解）
本文详细解析了在Windows系统下实现Python多版本共存与切换的完整方案。通过深入讲解环境变量Path的底层机制，提供了从安装策略、精细化Path管理到创建快速切换脚本的实战指南，并介绍了py启动器和虚拟环境等高级技巧，帮助开发者彻底解决版本冲突问题，提升开发效率。
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
彩虹期权定价
彩虹期权的定价较为复杂，因为它涉及多个标的资产的联合分布。蒙特卡洛模拟（Monte Carlo Simulation）：通过模拟多个标的资产价格路径，计算期权的预期支付。解析近似方法：如马尔可夫链近似方法或多变量Black-Scholes公式的扩展。数值方法：如有限差分法或傅里叶变换法，适用于某些特定条件下的多资产期权定价。由于彩虹期权涉及多个标的资产，我们通常使用蒙特卡洛模拟来进行定价。接下来，我将演示如何使用Heston模型和蒙特卡洛模拟方法来定价彩虹期权。
软件工程期末知识点总结【超详细】
生命周期模型（过程模型）：瀑布模型、快速原型模型、增量模型、螺旋模型、喷泉模型。2、实体联系图：1、数据对象2、属性3、联系（1:1、1：N、M:N）3、语句覆盖 就是设计足够的调试用例，使得程序中的每个语句至少执行一次。 5、判定覆盖就是设计足够的测试用例，使得程序中每个判定的取“真”分支和取“假”分支至少都执行一次，判定覆盖又称分支覆盖 6、条件覆盖就是设计足够的测试用例，使得程序判定中的每个条件能获得各种可能的结果。7、软件开发时期通常分成4个阶段：总体设计、详细设计、编码和单元测试、综合测试。
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
基于STM32单片机设计的智能坐垫_431
本文设计了一款基于STM32F103C8T6单片机的智能坐垫系统，该系统集成了压力传感器、SHT30温湿度传感器、薄膜加热垫、涡轮风机、语音播报模块、OLED显示屏及HC-05蓝牙模块，实现了对用户就坐状态与坐垫微环境的实时监测与智能调控。系统通过压力传感器检测用户就坐情况，自动启动久坐计时并触发语音提醒；温湿度数据用于控制通风与加热功能，以改善座椅舒适性；用户可通过按键或手机APP设置久坐时长、手动开关通风与加热，并通过OLED屏或APP实时查看环境参数与计时状态。本设计体现了嵌入式系统在健康关怀与舒适性
【Triton 教程】Libdevice (tl_extra.libdevice) 函数
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 →Triton 可以调用外部库中的自定义函数。在这个例子中，我们将使用 libdevice 库在张量上应用 asin 函数。在 libdevice.py 中，我们试图将相同计算但不同数据类型的函数聚合在一起。
UGUI合批杀手：Mask/RectMask2D为何必断合批？
颜色缓冲负责记录像素颜色；模板缓冲负责记录“这个像素的模板值”（一个小整数）；渲染时，你可以设定：只有模板值为 X 的地方才允许画；或者往某些区域写特定的模板值。类似于：先拿一支隐形笔在纸上画出一块区域，给它记一个编号“1”，后面的涂色动作只允许涂在“编号为1”的区域上。合批的前提：渲染状态不变，连续元素能一口气画完。材质、贴图、混合模式、Stencil、裁剪区域……都得一致。Mask / RectMask2D 的本质：在渲染状态上加规则——“只在某个区域内允许写像素”。
仿真学习系列（四十七）：Sigrity仿真之直流压降与电流密度
在现代电子设计中，电源网络的设计和分析对于保证电路的稳定性至关重要。直流压降（IR-Drop）和电流密度是评估电源网络性能的关键参数，尤其是在高频和高速电路中。它们直接影响到设备的工作稳定性与效率。通过Sigrity的仿真工具，可以深入分析和优化这些电源特性，从而确保系统的可靠性。 本节将介绍直流压降和电流密度的基本概念，以及如何在Sigrity中使用PowerDC模块进行相关仿真。
PhotoCraft zh-hans 简体中文本地化：locale 标签解析与 TSV 目录数据流
PhotoCraft 是一个纯 Rust 重写的光栅图像编辑器，它的 UI 国际化围绕 `crates/ui-egui/src/i18n/` 下的翻译目录展开，其中简体中文 `zh-hans` 是声明了"菜单全量覆盖"的语言之一。本文回答三个问题：界面与编程两条路径怎么切到简体中文，`zh-CN`、`zh-Hans` 这类 locale 标签在 Auto 模式下如何精确命中 `zh-hans` 而
GPU服务器维修全流程：从检测到解锁
《GPU服务器维修维保全流程指南》摘要：本文系统介绍GPU服务器从检测到解锁的完整维修流程。检测环节包含物理检查（氧化层、散热、PCB板）和电子诊断（ECC报错率、电源波动等）；核心维修技术涵盖PCB板修复（微孔镀铜、BGA返修）和芯片级维修（成功率78-92%）；解锁验证阶段包括性能解锁（VBIOS重写）和72小时稳定性测试。文末提供故障速查表及维保建议，强调定期除尘可降低38%故障率，推荐环境粉尘浓度控制在≤0.3mg/m³。
CANN Triton代码迁移模式
将 Triton 算子从 GPU 迁移到 NPU 时，需要系统性地替换设备标识、调整 Grid 配置、修改参数设置和适配数据类型。本文总结了常见的代码迁移模式，每个模式都提供具体的 diff 示例，帮助开发者快速完成迁移工作。 ## 关键概念 | 迁移项 | GPU 写法 | NPU 写法 | 说明 | |--------|---------|---------|------| | 设备标识
Probability and Statistics - 4th edition
Probability and Statistics - 4th edition
IEM模型，地表粗糙度模拟
利用微波反演土壤水分时候，利用IEM模型可以实现对随机地表的模拟
CANN/cannbot-skills Triton向量加法优化
向量加法是 Triton 编程的入门示例，展示了最基本的 SPMD 编程模型：多个 program 并行处理数据的不同分片。在 NPU 上，向量加法是典型的 Vector 计算密集型操作，理解其模式是编写更复杂 kernel 的基础。 | 关键概念 | 说明 | |---------|------| | `tl.program_id` | 获取当前 program 的 ID，用于确定处理的数据范
蓝牙模块HM-10手册
蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。
从Scott Gray离职看Triton如何革新GPU编程与AI算力优化
高性能计算（HPC）与编译器技术是释放现代硬件潜力的核心。其原理在于通过软件优化，将高级语言抽象高效映射到底层硬件指令，最大化利用并行计算资源与内存带宽。这一技术价值在AI时代尤为凸显，直接决定了模型训练与推理的效率与成本。随着Transformer等模型架构趋同，算力效率已成为AI竞赛的关键胜负手。应用场景涵盖从大模型训练加速到边缘设备部署等广泛领域。本文以近期引发行业关注的Scott Gray离职事件为切入点，深入解析其主导开发的深度学习库Triton。Triton通过创新的编程范式，允许开发者使用Py
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。
Triton语言中cos函数的高效实现与优化技巧
在GPU高性能计算领域，数学函数如cos的实现对并行计算性能至关重要。Triton语言通过多项式逼近算法（如Remez算法优化）实现cos函数，相比直接调用CUDA数学库可提升30%性能。这种实现方式避免了线程束分化，更好地利用寄存器资源，并能与其他操作融合计算。在物理仿真、图像处理等需要大规模cos计算的场景中，Triton的优化技巧（如合理设置BLOCK_SIZE、掩码处理边界条件）能显著提升性能。通过实际项目验证，Triton的cos实现在RTX 3090上耗时仅1.2ms，最大误差2e-7，适合对性
Triton外部函数：GPU编程中C++高性能库的无缝集成指南
在GPU编程领域，高性能计算往往需要结合高级抽象与底层优化。Triton作为一种新兴的GPU编程语言，通过其外部函数机制，实现了Python灵活性与C++极致性能的融合。该机制基于LLVM Bitcode在编译期进行链接，允许开发者直接在Triton内核中调用C++函数，性能损耗极低。其核心价值在于能够无缝集成现有高性能库、调用特定硬件指令，并处理复杂控制流，从而扩展了Triton的内置能力边界。在应用场景上，它特别适用于集成如cuBLAS等权威数值库、封装硬件内在函数以实现Tensor Core等特定计算
yuzu 模拟器 7 个 Mainline Build 到底下哪个：版本选择与配置避坑指南
yuzu-downloads 仓库归档了 2024-02-27 到 2024-03-04 连续发布的 7 个 yuzu Switch 模拟器 Mainline Build，每个版本都带 Linux AppImage 和 Windows zip 两份，区别只在版本号里的一串哈希。读完这篇文章你能带走三样东西：**该下哪个版本号、该配什么分辨率和抗锯齿、怎么验证它在你机器上跑得动**。 ## 3 层
CANN/cannbot-skills数学运算API
本文档详细描述 Triton-Ascend 中的数学运算 API，包括算术运算（add/sub/mul/div）、初等函数（exp/log/sin/cos/sqrt/rsqrt/erf）、取整函数（ceil/floor）、融合运算（fma/sigmoid/softmax）等。在 Ascend NPU 上，数学运算由 Vector 计算单元执行，与 GPU 的 CUDA Core 对应。NPU 对部
LLM生产化落地：智能服务单元的四层基础设施架构
大语言模型（LLM）从实验室走向真实业务，核心瓶颈已从算法性能转向基础设施可扩展性。本文围绕‘智能工业化’本质，解析LLM推理中计算密集型特征、KV Cache状态管理、GPU显存带宽瓶颈与动态资源调度等底层原理，阐明为何传统微服务架构在延迟、成本与稳定性上全面失灵。技术价值在于构建可度量、可演进、可计费的智能服务单元，支撑高并发、低P95延迟、细粒度SLA保障的生产场景。典型应用包括智能客服、法律合同分析、电商大促AI助手等需稳定交付的工业级AI服务，最终落点于Triton+自适应批处理+GPU感知编排+
AI推理引擎开发实战：从PyTorch到Triton的性能跃迁
推理引擎是大模型落地的核心基础设施，本质是将训练好的模型（如PyTorch .pt文件）通过图优化、算子融合、内存复用与硬件指令映射，转化为高吞吐、低延迟、稳精度的生产服务。其技术原理横跨编译器优化（如torch.compile）、GPU微架构调度（如CUDA Graph、Triton kernel）与系统级资源管控（如CUDA MPS、显存池化）。关键价值在于突破计算密度、内存带宽与调度确定性三重瓶颈，支撑推荐、搜索、多模态等毫秒级响应场景。典型应用包括FlashAttention加速、vLLM长文本推理
CANN解释器模式调试
解释器模式是 Triton-Ascend 调试的核心工具之一。通过 `TRITON_INTERPRET=1` 环境变量，Triton kernel 会在 CPU 上使用 NumPy 执行，而非编译到 NPU 上运行。这使得开发者可以在 kernel 中插入 Python 断点、打印中间变量、逐步验证计算逻辑。Triton-Ascend 还提供了 `AscendInterpreterBuilder`
TileGym实战：基于Tile思维的GPU编程与性能优化指南
GPU编程是现代高性能计算的核心技术，其原理是通过并行处理架构大幅提升计算效率。Tile思维作为一种高效的GPU编程范式，将计算任务分解为合适大小的数据块，在GPU的层次化内存体系中进行优化数据搬运和计算复用。这种技术价值在于平衡开发效率与性能，特别适用于矩阵乘法等常见算子优化。在实际应用场景中，Tile编程可显著提升深度学习模型推理速度，自然收敛到TileGym这一实战平台。TileGym集成cuTile和Triton等后端，支持从单算子测试到完整Transformer模型的全链路体验，帮助开发者建立GP
深度学习0:数学知识:正态分布1
步骤内容结果1引入e−x2e^{-x^2}e−x2钟形曲线2算它的面积I∫−∞∞e−x2dxI∫−∞∞e−x2dx3平方变成二重积分I2I^2I24换极坐标简化计算5算出I2πI^2 = \piI2πIπIπ6代入σ\sigmaσ和μ\muμ做变量替换得到σ2πσ2π7除以它归一化得到正态分布公式2π2π不是随便写的，它来自高斯积分∫−∞∞e−x2。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
2502
扫一扫
