会员
周边
新闻
博问
闪存
赞助商
Chat2DB
所有博客
当前博客
我的博客
我的园子
账号设置
会员中心
简洁模式
...
退出登录
注册
登录
左扬(你们的胃叫胃,孤的叫胃PLUS)
深耕云原生全栈架构,只为成为更好的自己 —— 知命不惧,日日维新
博客园
首页
新随笔
联系
管理
订阅
上一页
1
2
3
4
5
6
7
···
81
下一页
2026年8月6日
PyTorch 2.x 深度学习专题【左扬精讲】—— 讲讲模型太大:超深、超宽与大数据量的显存挑战
摘要: PyTorch 2.x 深度学习专题【左扬精讲】—— 讲讲模型太大:超深、超宽与大数据量的显存挑战 本专题内容导航 训练深度学习模型时,"显存不够"是每个算法工程师都会遇到的典型问题。运行代码后屏幕弹出 CUDA out of memory 报错。 NVIDIA A100 单卡提供 80GB HBM
阅读全文
posted @ 2026-08-06 17:46 左扬
阅读(33)
评论(0)
推荐(0)
2026年8月4日
InfiniBand 专题【左扬精讲】—— InfiniBand 上层:协议、传输与管理层
摘要: InfiniBand 专题【左扬精讲】—— InfiniBand 上层:协议、传输与管理层 在上一单元中,我们深入探讨了InfiniBand网络层的传输机制与流量控制原理。 作为高性能互连网络的基石,InfiniBand不仅仅是一套物理和传输规范,更构建了完整的五层协议栈。本单元我们将视线从 "怎么
阅读全文
posted @ 2026-08-04 19:23 左扬
阅读(53)
评论(0)
推荐(0)
InfiniBand 专题【左扬精讲】—— InfiniBand 网络层:GID 与子网路由
摘要: InfiniBand 专题【左扬精讲】—— InfiniBand 网络层:GID 与子网路由 InfiniBand(简称 IB)网络层是 IB 架构中承上启下的关键层次,它使得跨子网通信成为可能。与传统以太网依赖 IP 地址进行三层路由类似,IB 网络层使用 GID(Global Identifie
阅读全文
posted @ 2026-08-04 18:33 左扬
阅读(69)
评论(0)
推荐(0)
InfiniBand 专题【左扬精讲】—— InfiniBand 链路层:从数据包到流量控制
摘要: InfiniBand技术专题【左扬精讲】—— 链路层详解:从数据包到流量控制 InfiniBand(简称 IB)是一种为 HPC 和 AI 训练集群设计的高速互连网络,相比传统以太网,它能提供 微秒级甚至亚微秒级 的端到端延迟。 本篇深入探讨 InfiniBand 链路层的核心知识,包括数据包管理、
阅读全文
posted @ 2026-08-04 17:32 左扬
阅读(63)
评论(0)
推荐(0)
InfiniBand 专题【左扬精讲】—— InfiniBand 物理层:五层架构与数据包结构入门
摘要: InfiniBand 专题【左扬精讲】—— InfiniBand 物理层:五层架构与数据包结构入门 InfiniBand(简称 IB)是一种为 HPC 和 AI 训练集群设计的高速互连网络,相比传统以太网,它能提供 微秒级甚至亚微秒级 的端到端延迟。 本篇是 InfiniBand 架构的入门奠基篇,
阅读全文
posted @ 2026-08-04 16:05 左扬
阅读(49)
评论(0)
推荐(0)
2026年8月3日
InfiniBand 专题【左扬精讲】—— InfiniBand 架构简介:从五层模型到子网管理
摘要: InfiniBand 专题【左扬精讲】—— InfiniBand 架构简介:从五层模型到子网管理 InfiniBand(通常简称 IB)在高性能计算(HPC)、AI 训练集群、分布式存储等场景里被广泛使用,它和我们熟知的以太网在协议设计思路、转发模型、管理方式上都有非常明显的差异。 本篇以 NVID
阅读全文
posted @ 2026-08-03 23:38 左扬
阅读(68)
评论(2)
推荐(0)
PyTorch 2.x 深度学习专题【左扬精讲】—— 大规模分布式训练核心要素:从并行策略到通信原语的理论详解
摘要: PyTorch 2.x 深度学习专题【左扬精讲】—— 大规模分布式训练核心要点:从并行策略到通信原语的理论知识 分布式训练 数据并行 模型并行 流水线并行 张量并行 通信原语 All-Reduce NCCL 学习重点提示 本文涵盖分布式训练的核心知识,内容深度依次递进。建议读者根据自身背景选择性深入
阅读全文
posted @ 2026-08-03 14:11 左扬
阅读(32)
评论(0)
推荐(0)
2026年8月2日
PyTorch 2.x 深度学习专题【左扬精讲】—— 计算大模型的参数量:从 Embedding 到 LM Head,以 GPT-3 175B 为例
摘要: PyTorch 2.x 深度学习专题【左扬精讲】—— 计算大模型的参数量:从 Embedding 到 LM Head,以 GPT-3 175B 为例 大模型火了好几年,但 "这个模型有多少参数"这个问题,真正能从头推一遍的人少之又少。 本篇来补上这块硬功夫——把 GPT-3 175B 的参数量从 E
阅读全文
posted @ 2026-08-02 19:45 左扬
阅读(44)
评论(0)
推荐(0)
PyTorch 2.x 深度学习专题【左扬精讲】—— Attention 的两个补丁:Positional Encoding 与 Masked Self-Attention,从 Encoder 跨到 Decoder
摘要: PyTorch 2.x 深度学习专题【左扬精讲】—— Attention 的两个补丁:Positional Encoding 与 Masked Self-Attention,从 Encoder 跨到 Decoder 上一篇把 Self-Attention 的四步公式 Softmax(Q K^T /
阅读全文
posted @ 2026-08-02 17:58 左扬
阅读(20)
评论(0)
推荐(0)
2026年8月1日
PyTorch 2.x 深度学习专题【左扬精讲】—— 注意力机制到底在做什么,Q/K/V 怎么来的?一文读懂 Attention 注意力机制
摘要: PyTorch 2.x 深度学习专题【左扬精讲】—— 注意力机制到底在做什么,Q/K/V 怎么来的?一文读懂 Attention 注意力机制 本文是 PyTorch 2.x 深度学习专题【左扬精讲】 系列:把 Transformer 里的 Self-Attention 一次性讲透——Scaled D
阅读全文
posted @ 2026-08-01 15:59 左扬
阅读(37)
评论(0)
推荐(0)
上一页
1
2
3
4
5
6
7
···
81
下一页
公告