Optimisations de performance GPU, CUDA et PyTorch

Description

Cette rencontre en ligne mensuelle réunit des ingénieurs, des chercheurs et des praticiens de l'IA pour explorer des techniques d'optimisation des performances de pointe en GPU, CUDA et PyTorch. Animée par Chris Fregly et Antje Barth, chaque session allie des perspectives pratiques à de profondes discussions techniques sur la maximisation de l'efficacité computationnelle dans les charges de travail d'IA. ## À quoi s'attendre La session d'août 2026 présente deux conférences approfondies axées sur les optimisations de performance GPU, PyTorch et CUDA. Que vous construisiez des modèles d'apprentissage automatique, formiez de grands réseaux de neurones ou optimisiez des pipelines d'inférence, vous découvrirez des techniques concrètes pour réduire la latence, améliorer le débit et tirer meilleur parti des ressources GPU. ## Qui devrait assister Cette rencontre est idéale pour : - Les ingénieurs en apprentissage automatique travaillant avec PyTorch et des flux de travail accélérés par GPU - Les ingénieurs en performance optimisant les pipelines d'inférence et de formation en IA - Les chercheurs explorant la programmation CUDA et les optimisations GPU de bas niveau - Les professionnels DevOps gérant l'infrastructure IA et l'utilisation des ressources - Quiconque curieux d'extraire un maximum de performance de ses systèmes d'IA ## Format L'événement se déroule entièrement en ligne via Zoom, le rendant accessible à la communauté mondiale de l'IA. Les sessions commencent par des présentations et des mises à jour de rencontre de Chris Fregly et Antje Barth, suivies de présentations techniques et d'une Q&R interactive. La cadence mensuelle (chaque 3ème lundi) crée un rythme d'apprentissage cohérent pour les participants suivant les derniers développements en ingénierie de performance. ## Ressources supplémentaires Entre les rencontres, les participants peuvent approfondir leurs connaissances grâce au [dépôt GitHub](http://github.com/cfregly/ai-performance-engineering/) accompagné d'exemples de code et de schémas d'optimisation, au livre O'Reilly ["Ingénierie des performances des systèmes d'IA"](https://www.amazon.com/Systems-Performance-Engineering-Optimizing-Algorithms/dp/B0F47689K8/), à la [chaîne YouTube AI Performance Engineering](https://www.youtube.com/@AIPerformanceEngineering), et à un cours gratuit sur l'IA générative sur [DeepLearning.AI](https://bit.ly/gllm). Que vous soyez en train de résoudre des problèmes de formation lente, d'optimiser une production d'inférence ou d'explorer des noyaux CUDA de bas niveau, cette communauté fournit la profondeur technique et l'expérience pratique nécessaires pour améliorer vos compétences en ingénierie des performances en IA. [Rejoignez la rencontre et obtenez le lien Zoom](https://www.meetup.com/ai-performance-engineering-meetup-madrid/events/ckvnttyjclbwb/?eventOrigin=group_upcoming_events) pour vous connecter avec d'autres personnes.