Triton 的教程, 其实英文和中文版都很少, 知乎上有一些文章, 比如 杨军：谈谈对OpenAI Triton的一些理解 陈清扬：OpenAI Triton：25行代码实现cuBLAS GEMM 95%以上的性能 科研败犬 …

Triton Mult-Model Execution Diagram 默认情况下，如果同时到达多个针对同一模型的请求（比如同时有两个请求分类模型model1），Triton会通过在GPU上 一次只调度一个来序列化它们的执行，如下图 …

一、NVIDIA Triton Triton 是英伟达开源的推理服务框架，可以帮助开发人员高效轻松地在云端、数据中心或者边缘设备部署高性能推理服务器，服务器可以提供 HTTP/gRPC 等多种服务协议。 Triton …

Mojo的目标是通过专用的硬件设计来实现高效率的深度学习计算。 ### 发展关系 - **协作与竞争**：TVM、Triton和Mojo都在深度学习编译器和优化领域内工作，它们之间既有合作也有竞争。 TVM …

图2：cuda，triton和torch对程序员可操作范围 图二显示，triton中用户只需要管理grid一层粗粒度的分配即可，而不需要管理更底层的分配。 接下来，一步步对比一下triton和cuda kernel的细节。图1右侧 …

最基础的Triton教程，旨在为GPU编程和深度学习领域提供入门指导，共同探讨Triton的应用与发展。

2.2 传统通信重叠策略 传统方法将原始计算和通信操作分解为多个块，然后通过精心调度操作来潜在地重叠通信与计算。分解中的分区数量与张量并行中的设备数量一致（或是其两倍，以更好地利用双向数 …

去年被邀请了，当时自己只有MLIR的经验，那时候主要在做Affine、Memref这些偏后端的dialect，对深度学习的了解仅是Pytorch框架和AI模型的适配，不了解真实的用户需求。今年投入到Triton的开发了， …

Triton的20%性能损失，在大规模生产应用是不可接受的——在大规模部署中，这意味着 10 亿美元 的云服务账单与 8 亿美元 的差距！ 更进一步， 基于Triton实现多硬件平台的可移植性，或许也只是一个 …

0x00 前言 本文介绍vLLM中Triton Merge Attention States Kernel的实现，与 pytorch原生实现相比，该Triton kernel最高可实现 3-5 倍以上的算子加速。