学院

学院部分的目标不是只教你怎么编译，而是教你如何把这个仓库当作一个系统来阅读。

你会在这里学到什么

• 仓库如何组织 kernels、memory primitive 与硬件能力检测
• 优化路径如何从朴素版本演进到 Tensor Core aware 实现
• 应该怎样结合正确的方法论去评估 benchmark 结论

推荐阅读顺序

1. 快速开始
2. 架构解读
3. 现代 C++ 与 CUDA
4. 基准测试
5. 示例

优化路径

Optimization Path

Progressive optimization from naive to Tensor Core implementation

1

Naive

2

Tiled

3

Double Buffer

4

Tensor Core

1

Naive

Direct triple loop implementation

Global memory accessNo parallelism optimization

5%

2

Tiled

Shared memory blocking

Block-level tilingShared memory reuseCoalesced access

45%

3

Double Buffer

Pipeline memory access

PrefetchingLatency hidingWarp synchronization

75%

4

Tensor Core

WMMA hardware acceleration

WMMA instructionsMixed precisionMaximum throughput

92%

📊 Performance relative to cuBLAS on A100 80GB