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 …

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 …

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 …

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 …

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， …

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。

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 …

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 …

Dec 5, 2025 · 提问里提到了昇腾达芬奇架构的PTO编程模型， 如何评价昇腾达芬奇架构的PTO编程模型? 提问中 乱序摸鱼 亲自答了，12月底PTO就会开放开源，现有资料只能小小窥探一下。不过需要提出 …

如何看待triton-gluon？ 目前检索到的相关讨论有： triton仓库的issue，其中还链接了个youtube简单介绍： https://github.com/triton-l… 显示全部 关注者 12 被浏览