#CUDA
共 6 篇相关文章
·6 分钟
Ollama v0.40.7-rc1：MLX与GGML共享CUDA运行时，打包体积瘦身
Ollama v0.40.7-rc1 提交去重 MLX 与 GGML 共享的 CUDA 运行时库，将其移入同级 CUDA payload 目录，保留 MLX 私有库与 JIT 头文件，并完整打包 OpenBLAS Fortran 运行时闭包、在发布阶段增加依赖校验，从而缩减发行包体积并简化依赖解析。
阅读全文 →
·10 分钟
一键配置AI PC：Windows与Ubuntu AI环境安装器实战
SECourses推出Windows与Ubuntu一键AI环境安装器，自动配置CUDA 12.9/13.2、cuDNN、Python 3.10-3.14及C++工具链，并通过78项与66项真实测试验证环境可用性。本文详解安装流程、PATH调优逻辑与实测数据。
阅读全文 →
·4 分钟
NVIDIA Green Contexts：精细控制GPU资源分配
NVIDIA Green Contexts 让开发者精细控制 GPU 计算资源的分配，将延迟敏感与吞吐密集型任务隔离到独立分区，提升并发工作负载的性能确定性与利用率。
阅读全文 →
产品体验·4 分钟
NVIDIA CompileIQ：自动调优编译器选项，榨干GPU内核性能
深入解析NVIDIA CompileIQ自动调优工具，通过智能搜索编译器选项组合，为CUDA内核找到最优编译参数。覆盖技术原理、工作流程、AI训练与科学计算等应用场景，助力GPU性能工程师大幅提升内核执行效率。
阅读全文 →
教程攻略·4 分钟
NVIDIA CUDA Tile：基于瓦片的GPU编程新范式详解
深入解析NVIDIA最新发布的CUDA Tile编程模型，了解其基于瓦片的GPU内核开发方式如何融合C++生态、优化数据局部性并加速Tensor Core计算，适用于HPC、深度学习和AI推理等场景。
阅读全文 →
教程攻略·5 分钟
NCCL多GPU通信优化实战：HPC高性能计算扩展指南
深入解析NVIDIA NCCL多GPU通信库的核心原理与优化策略，涵盖AllReduce、NVLink、GPUDirect RDMA等关键技术，帮助HPC和AI开发者掌握从单机多卡到超大规模集群的通信扩展之道。
阅读全文 →