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 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 …

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 …

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。

可以看到，TVM、MLIR、Triton关心的事情是完全不一样的。 TVM目标将模型编译为高效代码，支持多种后端；MLIR提供可扩展的编译基础设施给其他工程；Triton现在是MLIR项目中最明星 …

Nov 6, 2020 · 哪位好心人会稀释triton X-100？ 新手小白想知道大佬都是怎么移triton的啊，我发现好粘稠啊，吸管和移液枪没法定准量，不知道怎么稀释triton，想要稀释成0.3%triton，来配…

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 …

TVM、Triton 与 Mojo 这三个技术各自在深度学习编译和执行领域中扮演着重要的角色。 为了全面理解它们之间的发展关系及Mojo的潜在能力，我们接下来探讨一下它们各自的功能、设计理念 …

第二：我好多算子可以在triton上写，高维，编辑便捷，同时对下的调用要远好于cuda，好多都可以全自动，比如显存和读取矩阵的方式等等 9月17号Triton大会上，那可是能来站台都来站台 …

Triton的20%性能损失，在大规模生产应用是不可接受的——在大规模部署中，这意味着 10 亿美元 的云服务账单与 8 亿美元 的差距！ 更进一步， 基于Triton实现多硬件平台的可移植性，或许 …