VIP20
本课程属于：052-基因组注释特征学习任务 生物信息学与 AI 制药工程 · 共 20 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

模型训练中GPU加速特征构建指南

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
GPU加速概述
GPU架构简介 · GPU与CPU对比 · GPU在机器学习中的应用场景
GPU加速概述
02
CUDA编程基础
CUDA安装与验证 · CUDA编程模型 · 简单向量加法实现
CUDA编程基础
03
PyTorch GPU加速入门
PyTorch中Tensor的GPU… · cuda()与to()方法 · 设备管理
PyTorchGPU
04
数据加载与预处理加速
DataLoader的num_wor… · pin_memory · NVIDIA DALI库介绍
数据加载预处理加速
05
混合精度训练（AMP）
自动混合精度原理 · torch.cuda.amp使用 · Loss Scaling
AMP混合精度训练
06
分布式训练基础（DP/DDP）
DataParallel与Distr… · 多GPU训练步骤
DP/DDP分布式训练基础
07
自定义CUDA扩展
PyTorch中使用C++/CUDA… · 编写自定义算子 · JIT编译
CUDA自定义
08
性能分析工具
nvidia-smi · nvtop · PyTorch Profiler
性能分析工具nvidia-smi
09
GPU内存管理
显存监控 · 梯度累积 · 梯度检查点（activation c…
GPU内存管理
10
梯度累积与batch size优化
梯度累积原理 · 大batch训练 · 学习率调整
batchsize
11
数据并行与模型并行
模型并行策略 · 张量并行 · 流水线并行（PipeDream/1F…
数据并行模型并行
12
异步数据加载与预处理
torch.utils.data.I… · 多进程预处理 · prefetch
异步数据加载预处理
13
GPU加速特征工程
特征编码的CUDA实现 · 分箱 · 交互特征（交叉特征）的GPU加速
GPU加速特征工程
14
使用RAPIDS库加速特征处理
cuDF · cuML · cuGraph简介与特征工程应用
RAPIDS使用
15
大规模稀疏特征处理
Embedding的GPU优化 · Embedding Bag · 混合维度
大规模稀疏特征处…Embedding
16
特征归一化与标准化加速
GPU上的批量归一化 · Layer Normalizatio… · Group Normalizatio…
特征归一化标准化加速
17
特征选择与降维的GPU加速
PCA · LDA · 特征重要性计算的GPU实现
GPU特征选择
18
时间序列特征的GPU加速
窗口函数 · 滞后特征 · 滚动统计的GPU并行化
GPU时间序列特征的
19
图像特征提取的GPU加速
卷积特征提取 · CNN backbone · 预训练模型的GPU推理
GPU图像特征提取的
20
文本特征提取的GPU加速
词嵌入 · Transformer · BERT特征向量的GPU计算
GPU文本特征提取的
21
特征存储与读取优化
HDF5 · LMDB · TFRecord的GPU读取
特征存储读取优化
22
GPU上的稀疏矩阵运算
cuSPARSE库 · 稀疏注意力机制 · 图神经网络特征
GPU上的稀疏矩阵运算
23
显存优化技巧
torch.cuda.amp · 梯度压缩 · 混合精度训练
显存优化技巧torch.cuda.a…
24
多尺度特征融合的GPU加速
特征金字塔 · 多分辨率融合的CUDA实现
GPU多尺度特征融合的
25
特征交叉与自动特征工程
DeepFM · AutoInt等模型中的GPU加速特…
特征交叉自动特征工程
26
特征哈希与分桶的GPU实现
特征哈希算法 · 分桶操作的并行化
GPU特征哈希
27
特征重要性评估的GPU加速
随机森林特征重要性 · SHAP值的GPU计算
GPU特征重要性评估的
28
端到端特征pipeline的GPU加速
将CPU特征工程迁移到GPU · Performance tuning
pipelineGPU
29
常见GPU加速陷阱与调试
内存泄漏 · 同步开销 · kernel启动瓶颈
GPU常见
30
总结与最佳实践
GPU加速特征构建流程 · 工具链 · 未来趋势
最佳实践GPU