【极致配音】2026 Alex Smola Efficiency in LLMs - Part 2: Hardware

Alex Smola 主讲的「LLM 效率」系列第二部分，聚焦硬件层面：讲解 GPU、内存带宽与计算架构如何影响大语言模型的训练与推理效率。

难度

★★★★☆难度 4/5 — 面向已掌握深度学习与LLM基础者，涉及GPU硬件与系统级优化，偏研究生水平

适合人群

希望优化 LLM 训练/推理效率的机器学习工程师与研究者

前置要求

深度学习基础（神经网络、反向传播、Transformer 架构）、大语言模型基础（了解 LLM 的训练与推理流程）、计算机体系结构（GPU、内存层级、并行计算概念）、线性代数（矩阵运算与张量计算）

课程规模

1 讲 · 1239播放

本课程卡由 AI 生成，可能存在误差，欢迎反馈。