原理精讲

Tokenization 基础 BPE 算法详解 GPT 系列 Tokenizer BPE 训练工程化

从 token ids 到 logits Embedding 与 LM Head

Attention 机制

Self-Attention 到 GQA Attention Sink

位置编码基础 RoPE 数学推导 RoPE 代码实现长度外推

GPU 编程基础

GPU 架构基础张量布局 Triton 入门：向量加法

Flash Attention 原理详解从朴素实现到 Auto-Tuning Block Pointer 与多维支持 Causal Masking 优化 Grouped Query Attention 反向传播实现

分布式训练

数据并行 ZeRO 优化器全分片数据并行张量并行流水线并行多维混合并行

动手训练

预训练数据 Tokenizer 训练模型架构数据流水线训练循环监控与验证

系统工程GPU 编程基础

Triton 入门：向量加法

会员专享

通过一个简单的向量加法例子，学习 Triton 的基本编程模型。

在权益中心获取代码

登录以继续阅读

这是一篇付费内容，请登录您的账户以访问完整内容。

张量布局

深入理解张量在内存中的物理布局，Strides，View 与 Reshape 的区别，以及梯度追踪机制。

Flash Attention

深入理解 Flash Attention 的原理与 Triton 实现

目录

SPMD 编程模型

逐步构建 Kernel

第一步：定位自己

第二步：计算偏移量

第三步：处理边界

第四步：加载、计算、存储

完整 Kernel 代码

验证正确性