封面与目录
O'Reilly 技术书 · 中文全译

AI 系统性能工程

使用 GPU、CUDA 与 PyTorch 优化模型训练与推理工作负载

AI Systems Performance Engineering

作者:Chris Fregly出版:O'Reilly Media 原书 1061 页译文 24 篇插图 201 幅 · 表格 53 张

阅读说明

  • 本书为原书正文的逐段全译,保留原书章节层级、代码、插图、表格与提示框;代码、命令、参数名保持英文原样,术语按统一术语表翻译。
  • 左侧目录可跳转任意章节与小节;顶部搜索框支持全文检索;点「对照」可显示每段英文原文,便于核对;「A−/A+」调节字号,「◐」切换深色模式。
  • 插图由原 PDF 按原版裁切,图内文字保留原文;每章末尾的延伸阅读、书末索引(Index,按页码编排)未收录。
  • 快捷键:/ 聚焦搜索,←/→ 上一章/下一章。

附录

目录

  1. 版权
  2. 前言
  3. 第 1 章 引言与 AI 系统概述
  4. 第 2 章 AI 系统硬件概述
  5. 第 3 章 面向 GPU 环境的操作系统、Docker 与 Kubernetes 调优
  6. 第 4 章 分布式网络通信调优
  7. 第 5 章 基于 GPU 的存储 I/O 优化
  8. 第 6 章 GPU 架构、CUDA 编程与最大化占用率
  9. 第 7 章 GPU 内存访问模式的剖析与调优
  10. 第 8 章 占用率调优、线程束 效率与指令级并行
  11. 第 9 章 提升 CUDA 内核效率与算术强度
  12. 第 10 章 内核内流水线、线程束 专用化与协作线程块集群
  13. 第 11 章 内核间流水线、同步与 CUDA 流有序内存分配
  14. 第 12 章 动态调度、CUDA 图与设备发起的内核编排
  15. 第 13 章 PyTorch 的剖析、调优与扩展
  16. 第 14 章 PyTorch 编译器、OpenAI Triton 与 XLA 后端
  17. 第 15 章 多节点推理、并行、解码与路由优化
  18. 第 16 章 大规模推理的剖析、调试与调优
  19. 第 17 章 面向推理的解耦预填充与解码扩展
  20. 第 18 章 高级预填充-解码与 KV 缓存调优
  21. 第 19 章 动态自适应推理引擎优化
  22. 第 20 章 AI 辅助性能优化与迈向百万级 GPU 集群的扩展
  23. 附录 AI 系统性能检查清单(175+ 项)
  24. 关于作者
《AI Systems Performance Engineering》中文译本 · 原书作者 Chris Fregly · O'Reilly Media 出版 · 本译本仅供个人学习研究