CUDA Kernel AcademySystematic CUDA kernel engineering

这个首页是给谁看的 ​

这不是一个“仓库简介页”，而是帮助你快速建立阅读顺序的入口页。

• CUDA 新读者 可以先确定学习顺序，而不是随机点开目录。
• 正在做性能优化的工程师 可以直接找到最相关的模块和 benchmark 证据。
• 关心系统集成的读者 可以快速看清教程 kernel、可复用基础设施和推理引擎之间的关系。

把这个仓库当成 academy 来读，而不是 brochure ​

建议把仓库分成三个互相补充的视角：

1. 模块文档：告诉你每个目录在教什么、先看哪些代码。
2. 白皮书：解释为什么仓库要这样拆分，以及模块之间怎样衔接。
3. Benchmarks 与路线图：说明性能证据意味着什么，以及下一步该读什么。

按目标选择第一站 ​

模块之间如何技术衔接 ​

这个仓库的层次是刻意设计的。

• 模块 01 用最直接的方式讲清楚一个高性能 kernel 的基本机制。
• 模块 02 提炼出教程里真正可复用、可维护的工程模式。
• 模块 03 把关注点从“能跑且正确”推进到“逼近架构上限”。
• 模块 04 则回答一个更系统的问题：前面这些优化如果不能接入完整推理流程，还有多少工程价值？

深入之前先确认构建边界 ​

• 根目录 CMake 覆盖 02-tensorcraft-core、03-hpc-advanced、04-inference-engine、common 和 examples。
• 01-sgemm-tutorial 有意保持为独立 Makefile 教程模块。
• GitHub 托管自动化只做 CPU-safe 检查；真实 CUDA 编译与运行验证仍应在本地 GPU 机器上完成。

文档不同区域分别解决什么问题 ​

第一轮阅读最重要的外部参考 ​

接下来读什么 ​

• 想先建立全局视图：继续读 系统架构白皮书。
• 想先看证据：打开 Benchmarks，并把 01-SGEMM 模块页面一起对照。
• 想按目标选路径：打开 阅读路径。
• 想按步骤推进：跟着 路线图 选择适合你的学习轨道。