关于服务
翻译我是一名GPU开发者，通过将重数值任务转移到图形卡上，使其运行速度提高几个数量级。当一个仿真、信号处理或机器学习管道使CPU满负荷运行数小时时，我会分析时间的实际去向，重构热点部分以支持数千个并行线程，并将其重写为CUDA内核，以便在没有空闲时间的情况下加载所有流多处理器。我不仅关心正确性，还关心吞吐量：数据如何在全局、共享和寄存器内存中流动，波束的连贯性如何，以及内核在实际硬件上实际拉取的理论带宽的比例。
大多数项目从现有的CPU代码开始，这些代码已经过时。我逐步将该逻辑移植到GPU，在每个阶段验证结果与原始结果的一致性，以确保数字不漂移，然后提高占用率、合并内存访问和线程重叠，直到加速变得真实且可测量。我熟练使用CUDA工具包和相关库——cuBLAS、cuFFT、Thrust——并依赖于Nsight和分析器来准确找出瓶颈，而不是猜测。无论是科学高性能计算、信号处理还是机器学习训练和推理，我交付的内核都是文档化的、可重复的，并准备好集成到您的构建中。
如果代码运行缓慢且您遇到了处理器瓶颈，请描述任务和痛点——我会诚实地告诉您GPU能带来多少提升，以及我将如何实现。
— CUDA内核开发和优化
— 从CPU到GPU的算法移植
— 内存和带宽调整（全局、共享、寄存器）
— cuBLAS、cuFFT、Thrust集成
— Nsight分析和瓶颈分析
— 多GPU和线程并发
— HPC加速和机器学习训练/推理加速
大多数项目从现有的CPU代码开始，这些代码已经过时。我逐步将该逻辑移植到GPU，在每个阶段验证结果与原始结果的一致性，以确保数字不漂移，然后提高占用率、合并内存访问和线程重叠，直到加速变得真实且可测量。我熟练使用CUDA工具包和相关库——cuBLAS、cuFFT、Thrust——并依赖于Nsight和分析器来准确找出瓶颈，而不是猜测。无论是科学高性能计算、信号处理还是机器学习训练和推理，我交付的内核都是文档化的、可重复的，并准备好集成到您的构建中。
如果代码运行缓慢且您遇到了处理器瓶颈，请描述任务和痛点——我会诚实地告诉您GPU能带来多少提升，以及我将如何实现。
— CUDA内核开发和优化
— 从CPU到GPU的算法移植
— 内存和带宽调整（全局、共享、寄存器）
— cuBLAS、cuFFT、Thrust集成
— Nsight分析和瓶颈分析
— 多GPU和线程并发
— HPC加速和机器学习训练/推理加速
