图解机器学习 | XGBoost模型详解
XGBoost一个非常强大的Boosting算法工具包，本文讲解XGBoost的算法原理和工程实现，包括监督学习、回归树、集成、Gradient Boosting详细步骤，以及XGBoost的并行列块涉及、缓存访问等工程优化知识。
AVX2指令集简介和代码示例
这篇文章介绍了AVX2指令集，它是Intel在2013年为提高处理器并行计算能力引入的SIMD技术。AVX2增强了整数运算，包括256位操作和位操作，还提供了FMA指令及更多广播和转换功能。与AVX相比，AVX2在图像处理和媒体编码等领域有显著优势。文章通过一个C代码示例展示了如何使用AVX2进行向量加法，并提醒编译时需确保支持AVX2指令集。
带你读《基于CUDA的GPU并行程序开发指南》之一：CPU并行编程概述
本书旨在帮助读者了解与基于CUDA的并行编程技术有关的基本概念，并掌握实用c语言进行GPU高性能编程的相关技巧。本书第一部分通过CPU多线程编程解释了并行计算，使得没有太多并行计算基础的读者也能毫无阻碍地进入CUDA天地；第二部分重点介绍了基于CUDA的GPU大规模并行程序的开发与实现，并通过大量的性能分析帮助读者理解如何开发一个好的GPU并行程序以及GPU架构对程序性能的影响；本书的第三部分介绍了一些常用的CUDA库。
GPU通信互联技术：GPUDirect、NVLink与RDMA
在高性能计算和深度学习领域，GPU已成为关键工具。然而，随着模型复杂度和数据量的增加，单个GPU难以满足需求，多GPU甚至多服务器协同工作成为常态。本文探讨了三种主要的GPU通信互联技术：GPUDirect、NVLink和RDMA。GPUDirect通过绕过CPU实现GPU与设备直接通信；NVLink提供高速点对点连接和支持内存共享；RDMA则在网络层面实现直接内存访问，降低延迟。这些技术各有优势，适用于不同场景，为AI和高性能计算提供了强大支持。
