标签
一篇葡萄牙语教程,介绍如何使用 google-colab-cli 在 Google Colab 的虚拟机(支持有无 GPU)上打开 SSH 终端,从而把 Google AI 订阅变成一台约 12GB 内存、8 vCPU 的免费 VPS,内容涵盖 ~/.ssh/config 配置、计算额度管理以及存储最佳实践。
Coldwater Tractors Inc. 发布的 Show HN 帖子,报告在 NVIDIA A40 上使用 BF16 分块处理二维 7 点六边形 Ising 晶格模拟,实现了 1.499 倍加速和 28.5% 的动态能耗降低,且在各子晶格阶段之间零位置不一致。
NVIDIA 在 SC26 上庆祝 CUDA 诞生 20 周年,回顾该平台如何推动从 AlexNet、AlphaFold 到分子动力学等一系列突破,如今已拥有超过 1,100 万开发者和 1,000 多个 CUDA-X 库。
本文提出了一种用于学习不可压缩流动解算子的局部稀疏核方法,利用无散度局部插值函数、紧支撑核和算子拉格朗日权重,实现了稀疏且可在 GPU 上并行执行的回归,在十项流体基准测试中优于神经算子。
NVIDIA cuDSS 是一款面向 GPU 加速稀疏线性方程组求解的 CUDA-X 库,现已正式全面可用,并已获得 Applied Materials、COMSOL、Cadence、Dassault Systèmes、Siemens 和 Synopsys 的采用,可将工程与科学仿真速度提升最高 10 倍。
AI 云服务商 Modal 宣布其年化收入突破 10 亿美元,一年内增长 15 倍,同时完成 7.5 亿美元的 D 轮融资,估值达 157.5 亿美元。该公司按秒计费的 GPU 模式得益于其自主研发的文件系统、容器和调度器。
ROCmFPX 的融合 HC norm 内核通过在寄存器中直接写出 Q8_1 副本,省去了 MMQ 重复量化 335MB 数据的开销,在 2.3%–3.6% 的 pp8192 性能提升下保持位级一致。
Modular 今日公布首个社区资助计划入选名单,六个由社区构建的 Mojo 与 MAX 库获得资助,涵盖强化学习、GPU 物理模拟与开发者工具等领域。
AMD 发布 ROCm 10.1,重点突破数据搬运瓶颈,通过 AMD Infinity Storage (hipFile)、HIP 运行时的 NUMA 感知内存分配以及 ROCm CLI 和 AMD Skills 等开发者工具提升 GPU 数据传输与训练推理效率。
FlashSinkhorn 2 提出了一种两阶段块稀疏 GPU 求解器,用于求解熵正则化最优传输(EOT)问题,可扩展至 1.34e8 个粒子的点云。在单块 A100 上,可在 2.5 小时内将边缘残差降至 0.01 以下——据称这是在数小时内在该精度下求解的最大离散 EOT 问题。该项目已发布开源实现。
AMD 的 Ryzen AI 开发者平台 OS 已更新至 ROCm 10.0,配套 Linux 7.2,进一步推进其面向 Ryzen AI 硬件 AI 开发的开放软件栈。
来自南洋理工大学、康奈尔大学和布里斯托大学的研究者提出了 PowerZooJax,这是一个面向电力系统运行强化学习的开源 JAX 基准套件,提供了五个带约束的 MDP 任务(发电、输电、配电、分布式能源资源、数据中心微电网),可完全在 GPU 上运行,相比基于 CPU 的仿真器实现了大幅加速。
本文解释了Rust和WebGPU之间结构布局的细微差异,并介绍了使用naga进行单元测试的方法,以验证内存偏移,从而实现更安全的GPU计算着色器配置。
本文讨论了使用Qwen 27B模型在4090 GPU上创建动态图形,突出了受Opus 5.5启发的本地AI能力。
一个智能代理CUDA内核优化器,通过迭代代码生成、正确性检查、基准测试和优化,自动化GPU实现生成,由LangGraph和OpenAI模型驱动。
vgpu 是一个针对 WebGPU 的 TypeScript 库,具有类型化着色器导入、一个轻量级的 GPU 优先 API,并兼容浏览器、无头 Node 和测试环境。
TensorTonic是一个通过编码实践学习机器学习的在线平台,该帖子以解释RBF核函数开头。
一名用户成功运行了 Qwen 3.8 27B AI 模型在 RTX 3060 和 5060 Ti GPU 的混合设置上,使用 exllamav3 的张量并行技术,在启用 MTP 的情况下达到约每秒 50 个令牌的速度。
本文详细解释了MoE(混合专家)推理工程,纠正了关于激活参数与部署成本的误解,并深入探讨了路由器选择、运行时分组、GPU执行、内存管理和专家并行等技术细节。
作者展示了如何强制AMD MI50 GPU与ROCm 6.4.3配合工作,并构建了一个基于Vulkan的神经网络训练栈,挑战了关于旧硬件支持的共识。