VIP10
本课程属于：052-模型压缩、ONNX与推理优化 智能金融与金融工程 · 共 10 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

金融模型CPU与GPU推理性能优化实战

共计 30 章节
可可资料掘金营 · 点击在线试看
01
课程导入
目标=金融模型推理性能优化的学习目标 · 核心概念 · 整体框架与实战路线图
课程导入目标=金融模型推…
02
金融模型推理基础
目标=常见金融模型类型 · 推理任务特点 · CPU与GPU在金融场景中的角色与选…
金融模型推理基础目标=常见金融模…
03
CPU推理性能核心概念
目标=指令集 · 缓存层次 · 内存带宽
CPU推理性能核心概念
04
GPU推理性能核心概念
目标=CUDA架构 · 线程束 · 显存层次
GPU推理性能核心概念
05
性能度量与基准测试
目标=延迟 · 吞吐量 · QPS
性能度量基准测试
06
CPU推理优化方法
目标=向量化 · 多线程 · NUMA绑定
CPU推理优化方法
07
GPU推理优化方法
目标=核函数优化 · 内存合并访问 · 共享内存
GPU推理优化方法
08
模型压缩与量化
目标=剪枝 · 蒸馏 · INT8/FP16量化
模型压缩量化
09
推理框架与运行时
目标=ONNX Runtime · TensorRT · OpenVINO
推理框架运行时
10
金融时序模型推理优化
目标=LSTM · GRU · Transformer在CPU与GP…
金融时序模型推理…LSTM
11
金融风控模型推理优化
目标=XGBoost · LightGBM · 逻辑回归等模型的CPU/GPU推理加…
金融风控模型推理…XGBoost
12
金融NLP模型推理优化
目标=BERT · FinBERT等模型在CPU与GPU… · 量化与蒸馏实战
NLP金融
13
高频交易场景推理优化
目标=低延迟推理 · CPU亲和性 · GPU直连
高频交易场景推理…目标=低延迟推理
14
批量推理与在线推理
目标=静态批处理 · 动态批处理 · 连续批处理在金融场景中的性能对比与选…
批量推理线推理
15
多模型与多任务推理
目标=模型集成 · 多模型流水线 · GPU多流与MPS
多模型多任务推理
16
分布式推理优化
目标=数据并行 · 模型并行 · 流水线并行
分布式推理优化目标=数据并行
17
内存与显存管理
目标=CPU内存池 · GPU显存池 · 零拷贝
内存显存管理
18
算子级优化实战
目标=自定义算子 · 融合算子 · CUDA核函数编写
算子级优化实战目标=自定义算子
19
性能剖析与瓶颈定位
目标=Profiler工具 · 火焰图 · GPU指标监控
性能剖析瓶颈定位
20
金融模型部署架构
目标=容器化 · Kubernetes · 服务网格
金融模型部署架构目标=容器化
21
云原生与边缘推理
目标=云GPU实例选型 · 边缘CPU/GPU推理 · 混合部署与成本性能平衡
云原生边缘推理
22
安全与合规
目标=金融数据隐私 · 模型加密 · 安全推理
安全合规
23
常见问题与陷阱
目标=精度下降 · 内存泄漏 · GPU利用率低
常见问题陷阱
24
综合案例一
目标=股票价格预测模型从CPU到GP…
综合案例一CPU
25
综合案例二
目标=信用评分模型在CPU集群与GP…
综合案例二CPU
26
综合案例三
目标=金融新闻情感分析NLP模型的量… · 蒸馏与GPU推理加速实战
综合案例三NLP
27
综合案例四
目标=高频交易信号模型的低延迟CPU…
综合案例四CPU
28
综合案例五
目标=多模型集成风控系统的GPU动态…
综合案例五GPU
29
性能优化最佳实践
目标=优化流程 · 决策树 · 工具链
性能优化最佳实践目标=优化流程
30
课程总结与进阶
目标=知识体系回顾 · 前沿技术展望 · 学习资源与实战能力提升路径
课程总结进阶