以 GEMM 为例，学会使用Nsight Compute
【AI Infra 一小时入门】GPU、CUDA、vLLM、PyTorch、KV Cache、Triton、K8s、Ray，一次搞懂大模型背后的技术体系
让 AI 看懂 NCU Report：自动分析 CUDA Kernel
CUDA 向量化到底快在哪？用 NCU 指标拆给你看
CUDA 算子优化：从 Add Kernel 看懂向量化与显存带宽
从零到一：像刷力扣一样手撕100个AI Infra的Kernel算子（CUDA+Triton+Pytorch）
CUDA快速反量化原理：不用I2F指令实现INT8→FP16转换
Nsight Compute 内存分析详解：Request、Sector、Wavefront
Nsight Compute 占用率详解：Occupancy 到底是怎么算出来的？
Kernel Bench 详解：如何评测大模型生成的 CUDA Kernel
CUDA人工智能编程教程
深入浅出深度学习算子优化 — TFLOPS 到 FlashAttention
手撕AI Infra算子系列4：CUDA、Triton、Pytorch的前世今生
老张公开课：算力、GPU、AI服务器详解（上）
NVIDIA【AI基础设施和操作基础知识】AI Infrastructure and Operations Fundamentals
FP8 attention计算精度分析
CUDA 底层指令学习：ldmatrix 的使用方法
从英伟达CUDA到昇腾CANN，计算架构为何这么重要？
通关cuda、anaconda、pytorch的安装（深度学习必备基本功）
[中配]Mojo + Vulkan 太疯狂了：无需CUDA，任何GPU都能跑本地AI（再见英伟达） - Cloud Codes
