从 Transformer 开始的深度学习之旅

一位来自工业界，一位来自学术界。两场对话之后，我对 AI Infra 的理解变了不少。

本文使用 Mac 通过 SSH 直连 WSL2：mirrored 网络、sshd 配置、防火墙与 PyTorch GPU 验证。

从 Grid-Stride Loop 入手，解释 warp 切换、SM 并发与 L1/L2 cache 对 GPU 访存延迟的影响，并复盘一次向量化反而变慢的原因。

对 AI Infra 这个方向的初步认识：核心命题、和传统应用开发的差异、为什么选它，以及现实风险。

给 GitHub Pages 博客配置 Google Search Console 和 Bing Webmaster Tools 的完整流程。

从游戏引擎到 AI Infra，理解 ECS 背后的数据导向设计思想。

AI Infra 自学路线图：从工程基础到 GPU 算子、推理引擎与分布式训练，共六个阶段。