Optymalizacje wydajności GPU, CUDA i PyTorch

Description

To comiesięczne internetowe spotkanie gromadzi programistów AI i inżynierów, którzy koncentrują się na maksymalnym wykorzystaniu wydajności z obciążeń głębokiego uczenia przyspieszonych przez GPU. Prowadzone przez Chrisa Fregly'ego i Antje Barth, sesja zagłębia się w praktyczne techniki optymalizacji potrzebne do szybszego i bardziej efektywnego działania modeli PyTorch na sprzęcie GPU. Spotkanie we wrześniu 2026 roku obejmuje dwa techniczne wystąpienia skoncentrowane na optymalizacjach wydajności GPU, PyTorch i CUDA. Niezależnie od tego, czy trenujesz modele językowe, przeprowadzasz wnioskowanie na dużą skalę, czy po prostu próbujesz zmniejszyć swoje koszty GPU w chmurze, zrozumienie tych niskopoziomowych technik optymalizacji jest niezbędne dla systemów AI w produkcji. Spotkanie obejmuje pełny stos — od optymalizacji rdzeni CUDA po specyficzne dla PyTorch wzorce wydajności, które mogą dramatycznie poprawić przepustowość i zmniejszyć opóźnienia. To część cyklicznej comiesięcznej serii, która odbywa się w każdy trzeci poniedziałek, tworząc spójną społeczność uczącą się dla inżynierów AI zorientowanych na wydajność w [Madrycie](https://www.createwith.com/cities/madrid) i nie tylko. Format online oznacza, że możesz dołączyć z dowolnego miejsca z dostępem do Internetu, co czyni go dostępnym dla globalnej publiczności inżynierów wydajności. Chris Fregly jest autorem książki O'Reilly na temat [Inżynierii Wydajności Systemów AI](https://www.amazon.com/Systems-Performance-Engineering-Optimizing-Algorithms/dp/B0F47689K8/), posiadającym głęboką wiedzę na temat optymalizacji algorytmów AI i infrastruktury. Spotkanie łączy się z szerszymi zasobami, w tym z [repozytorium GitHub](http://github.com/cfregly/ai-performance-engineering/) z przykładami kodu, [kanałem YouTube](https://www.youtube.com/@AIPerformanceEngineering) z nagranymi sesjami oraz darmowym [kursem Generative AI na DeepLearning.ai](https://bit.ly/gllm). Idealne dla inżynierów uczenia maszynowego, profesjonalistów DevOps pracujących z infrastrukturą AI oraz każdego, kto uruchamia obciążenia PyTorch i chce zrozumieć wąskie gardła wydajności na poziomie GPU. Wcześniejsze doświadczenie z PyTorch i podstawowe zrozumienie koncepcji obliczeń GPU pomoże Ci wyciągnąć maksimum z dyskusji technicznych. Format spotkania obejmuje wprowadzenia, aktualizacje społeczności i dwa skoncentrowane techniczne wystąpienia z czasem na pytania i odpowiedzi. Dołącz przez Zoom, aby uczyć się od praktyków, którzy rozwiązują realne wyzwania wydajności w systemach AI w produkcji. [Zarejestruj się na to wydarzenie](https://www.meetup.com/ai-performance-engineering-meetup-madrid/events/ckvnttyjcmbcc/?eventOrigin=group_upcomin)