» Etiket

gpu

12 yayın

«13–19 Tem 2026»

Bu hafta

13 Tem 20268.11
LLM Çıkarım Hızı: Darboğaz FLOPS Değil, Bellek Bant Genişliği
LLM çıkarımında gerçek darboğaz bellek bant genişliği. GPU, kuantizasyon ve batching seçimlerinin tok/s üzerindeki etkisini adım adım inceliyoruz.
gpu llm-inference machine-learning-infrastructure memory-bandwidth
16 Tem 20267.80
Fleet: Çoklu Yonga GPU'larda Hiyerarşik Görev Tabanlı Abstraksiyon
Fleet, çoklu yonga GPU'larda bellek trafiğini azaltan yeni bir görev modelidir.
abstraction cache gpu performance
15 Tem 20267.81
Qwen 3.6 27B Modeli ile 16GB VRAM'de 20 t/s Hız
Qwen 3.6 27B modeli ile 16GB VRAM'de yapılan yapılandırma ve hız testleri hakkında bilgi.
ai gpu ml optimization
Reklam
CommitBrief — terminalde yapay zekâ destekli kod incelemesi
Staged değişiklikleri, bir commit aralığını ya da bütün bir GitHub pull request'ini yerelde inceleyen sağlayıcı bağımsız CLI. Sıfır telemetri, sunucu yok. Açık kaynak, GPL-3.0.
commitbrief.com
13 Tem 20267.81
Modern Yüklerle 15 "E-Atık" GPU'nun Performans Testi
Eski NVIDIA Tesla GPU'larının modern yüklerle performansını değerlendiren bir çalışma. Düşük maliyetli GPU düğümleri için önemli veriler sunuyor.
benchmarking e-waste gpu homelab
14 Tem 20267.60
RL ile Model Eğiten Bir Ajan Geliştirildi
Yapay zeka ajanı ile model eğitimi için geliştirilen yeni pipeline hakkında bilgi edinin.
ai gpu model training open-source
16 Tem 20267.50
Linux Dizüstü Bilgisayarlar için Otomatik GPU Modu ve Yenileme Hızı Değiştiren Daemon
Linux dizüstü bilgisayarlarda batarya tasarrufu için otomatik GPU ve yenileme hızı ayarlayan daemon geliştirildi.
battery daemon fedora gpu
15 Tem 20267.50
Büyük Ölçekli TensorCircuit Kontraksiyonları: XLA GPU Otomatik Ayarını Devre Dışı Bırakma
Büyük TensorCircuit kontraksiyonları için XLA GPU otomatik ayarını devre dışı bırakmanın bellek tasarrufları ve çalışma süresi üzerindeki etkileri.
gpu jax memory optimization
15 Tem 20267.50
Mojo ile Metal Kernellerle Llm.c Portu: PyTorch MPS'ten 1.72x Daha Hızlı
Mojo ile llm.c'nin Metal çekirdeklerine taşınması, PyTorch MPS'ten 1.72x daha hızlı sonuçlar sunuyor.
gpu low precision machine-learning mojo
14 Tem 20267.50
CTA-Pipelining: Çoklu GPU Sistemleri için Gecikme Odaklı Ölçekleme Yöntemi
CTA-pipelining, çoklu GPU sistemlerinde gecikme odaklı ölçekleme sunarak performansı artırıyor.
gpu latency machine-learning parallelism
15 Tem 20267.40
GPU-Tile-SIM: LLM Donanım-Yazılım Ortak Tasarımı için GPU Simülasyonu
GPU-Tile-SIM, LLM iş yükleri için donanım-yazılım ortak tasarımında yüksek doğruluk sunan bir GPU simülasyon çerçevesidir.
design gpu hardware llm