Optymalizacje wydajności GPU, CUDA i PyTorch

Description

To miesięczne internetowe spotkanie gromadzi inżynierów, badaczy i specjalistów AI, aby badać nowatorskie techniki optymalizacji wydajności GPU, CUDA i PyTorch. Gospodarze, Chris Fregly i Antje Barth, łączą w każdej sesji praktyczne spostrzeżenia z głębokimi dyskusjami technicznymi na temat maksymalizacji efektywności obliczeniowej w zadaniach AI. ## Czego się spodziewać Sesja z sierpnia 2026 roku obejmuje dwa szczegółowe wykłady skupione na optymalizacjach wydajności GPU, PyTorch i CUDA. Niezależnie od tego, czy budujesz modele uczenia maszynowego, trenujesz dużej skali sieci neuronowe, czy optymalizujesz potoki wnioskowania, zdobędziesz praktyczne techniki, aby zredukować opóźnienia, poprawić wydajność i lepiej wykorzystać zasoby GPU. ## Kto powinien wziąć udział To spotkanie jest idealne dla: - Inżynierów uczenia maszynowego pracujących z PyTorch i workflow z przyspieszeniem GPU - Inżynierów wydajności optymalizujących wnioskowanie i potoki szkoleniowe AI - Badaczy badających programowanie CUDA i niskopoziomowe optymalizacje GPU - Profesjonalistów DevOps zarządzających infrastrukturą AI i wykorzystaniem zasobów - Każdego, kto jest ciekawy, jak wydobyć maksymalną wydajność ze swoich systemów AI ## Format Wydarzenie odbywa się w całości online za pośrednictwem Zoom, co czyni je dostępnym dla globalnej społeczności AI. Sesje zaczynają się od wprowadzeń i aktualizacji spotkań od Chrisa Fregly i Antje Barth, a następnie odbywają się prezentacje techniczne i interaktywne sesje Q&A. Miesięczny rytm (co trzeci poniedziałek) tworzy spójną strukturę nauki dla uczestników śledzących najnowsze osiągnięcia w inżynierii wydajności. ## Dodatkowe zasoby Między spotkaniami uczestnicy mogą zagłębić się jeszcze bardziej dzięki towarzyszącemu [repozytorium GitHub](http://github.com/cfregly/ai-performance-engineering/) zawierającemu przykłady kodu i wzorce optymalizacji, książce O'Reilly ["Inżynieria wydajności systemów AI"](https://www.amazon.com/Systems-Performance-Engineering-Optimizing-Algorithms/dp/B0F47689K8/), [kanałowi YouTube AI Performance Engineering](https://www.youtube.com/@AIPerformanceEngineering) oraz darmowemu kursowi z generatywnej AI na [DeepLearning.AI](https://bit.ly/gllm). Niezależnie od tego, czy rozwiązujesz problemy związane z wolnym czasem treningu, optymalizujesz produkcyjne wnioskowanie, czy badając niskopoziomowe rdzenie CUDA, ta społeczność dostarcza technicznej głębokości i praktycznego doświadczenia, aby podnieść Twoje umiejętności inżynierii wydajności w AI. [Dołącz do spotkania i zdobądź link do Zoom](https://www.meetup.com/ai-performance-engineering-meetup-madrid/events/ckvnttyjclbwb/?eventOrigin=group_upcoming_events), aby połączyć się z innymi.