Zihao Li

本文提供了一个完整、通用的 PyTorch 模型训练流程模板。它涵盖了从数据准备、模型构建、训练循环、测试评估到结果可视化的每一个关键步骤，是快速搭建深度学习项目的实用骨架。

PyTorch 为深度学习提供了强大的数据加载和可视化工具。掌握 Dataset、DataLoader、Transforms 和 TensorBoard 是高效训练模型的关键。本文将带你快速入门这四大核心组件。

本文尝试用一张图把 CUDA 从“硬件→内核→用户态驱动→工具包→深度学习框架”的完整链路讲清楚，并解释常见的版本不匹配问题与定位思路。即便没有 CUDA 基础，也可以按文中的检查顺序逐步排查。

eBPF 允许在不改内核源码的前提下，把经过校验的小段代码挂到内核关键路径运行，兼顾性能与安全。本文介绍 eBPF 的基本原理与典型用途。

不论你是写 C/C++、CUDA，还是要同时照顾 Linux/Windows/macOS，当项目走出“玩具”阶段，构建就会成为最大的摩擦源：不同编译器、不同 IDE、不同参数、不同依赖的发现与链接。如果还靠手写 Makefile 或分别维护 VS/Xcode 工程，成本会直线上升。

这正是 CMake 出现的原因：用一份跨平台的构建脚本，生成各平台各 IDE 需要的工程与命令。

本文介绍 FaaS（函数即服务）的诞生背景、核心概念与应用场景，并演示如何部署第一个云函数。

NVBit 是 NVIDIA 开源的 CUDA 指令级动态插桩框架，可以在不改用户代码的前提下观测 GPU 指令的执行。本文按 GPU 并行模型 → CUDA 基础 → PTX/SASS → Linux 注入机制 → NVBit API 的顺序，整理一份插桩笔记。

Compute Sanitizer（前身 cuda-memcheck）用于定位 CUDA 程序中的越界读写、未初始化、数据竞争与 Barrier 不匹配等问题。本文按最小示例、常见报错、命令参数与协同工具的顺序，整理一份可参考的排查笔记。

本文聚焦 张量布局 → 常见算子 → 形状计算公式，梳理卷积、池化公式背后涉及的张量基础概念。

本文按 抽象基类 → 生成器 → 类型提示 → 模块组织 四个部分，整理一套适合大型项目的 Python 工程骨架。