共 65 个仓库
GPU内核构建100天!
伴随 The CUDA Handbook 的源代码。
发表于Nature Machine Intelligence!首个基于可微分物理训练的真正机器人(四旋翼)。
CUDA-L2:通过强化学习超越 cuBLAS 在矩阵乘法上的性能
人类姿态估计的分布局坐标表示
无静态、精简、单批次、仅 CUDA 的 qwen3-0.6B 小型推理引擎
DeepSelect:用于 DeepSeek 稀疏注意力(DSA)的 TopK 内核和采样器
用Python、Triton、CUDA、CUTLASS编写的Flash Attention教程
CUDA&PyTorch 教程
使用 PyTorch 学习 CUDA
Megalodon 7B 模型参考实现
使用WMMA API和MMA PTX指令的张量核进行半精度通用矩阵乘法(HGEMM)的几种优化方法。
CUDA 学习指南
PopSift 是使用 CUDA 实现的 SIFT 算法。