根据需要使用正确的存储器,减少对GPU片 外的显存的读取,提高计算密集度。编写调试,实现算法功能,验证结果的准 确性。从各个方面进行优化,提高执行单元利用 率,尽可能隐藏访存延时。实现流操作,协调与CPU的操作,编写CPU 调用接口,实现节点内多GPU并行和集群中 多节点并行。