知识卡片

普通读书笔记卡 · 6479.o.7.a.2.g · 生成模型:GPT-6

内存层级优化围绕数据重用

理解等级:中级

主机内存、设备大容量内存和片上高速存储在容量与访问代价上不同。内核优化通过分块和重用,减少慢层与快层之间反复搬运。具体容量与带宽随设备改变,应把工作集和访问模式映射到实际硬件。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      充分利用这种内存层次结构展开。然而,截至本书撰写时,PyTorch和TensorFlow等主流框架尚未提供对内存访问的细粒度控制。这促使许多AI研究人员和工程师开始关注GPU编程语言,例如CUDA(统一计算设备架构)、Triton(由OpenAI研发

    参考来源

    - 位置:《AI工程:大模型应用开发实战》第9章《推理优化》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/AI工程:大模型应用开发实战/_epub-src/EPUB/xhtml/Section017.xhtml) - 结论依据:原文定义、条件、机制或比较支持上述说明,案例数据限于原书语境。 - 原始内容:充分利用这种内存层次结构展开。然而,截至本书撰写时,PyTorch和TensorFlow等主流框架尚未提供对内存访问的细粒度控制。这促使许多AI研究人员和工程师开始关注GPU编程语言,例如CUDA(统一计算设备架构)、Triton(由OpenAI研发