@RisingSayak: 发布首个内核以最终优化来自@Lightricks的LTX-2.3！torch.compile + cuDNN attn 已经…

X AI KOLs Following 工具
kernel optimization ltx-2.3 torch-compile cudnn agentic-workflow

摘要

发布了一个自定义内核，进一步优化来自Lightricks的LTX-2.3，在GB10上实现了1.52倍加速，基于之前的torch.compile和cuDNN注意力优化。

发布首个内核以最终优化来自@Lightricks的LTX-2.3！ torch.compile + cuDNN attn 已经提供了1.42倍的提升。加上自定义内核后，我在GB10上获得了1.52倍提升 🔥 这是我对简单代理内核开发工作流程的系统探索。 更多内容 👇 https://t.co/u4iDpzSir0
查看原文
查看缓存全文

缓存时间: 2026/06/13 14:27

发布了我的第一个内核，以完成优化 LTX-2.3（来自 @Lightricks）的最后冲刺！

torch.compile + cuDNN attn 已经带来了 1.42 倍的提升。加上自定义内核后，我在 GB10 上获得了 1.52 倍的提升 🔥

这是我系统探索简单代理内核开发工作流程的成果。

更多内容 👇 https://t.co/u4iDpzSir0

相似文章

预测随机低维重参数化何时能训练神经网络

arXiv cs.LG

本文分析了随机低维重参数化何时能训练神经网络，推导出随机切片残差的取向分辨主公式，并引入RaMaN——一个可扩展框架，能以极低内存成本预测所需潜在维度。