Ф'ючерси
Сотні безстрокових контрактів
TradFi
Золото
Одна платформа для світових активів
Опціони
Hot
Торгівля ванільними опціонами європейського зразка
Єдиний рахунок
Максимізуйте ефективність вашого капіталу
Демо торгівля
Вступ до ф'ючерсної торгівлі
Підготуйтеся до ф’ючерсної торгівлі
Ф'ючерсні події
Заробляйте, беручи участь в подіях
Демо торгівля
Використовуйте віртуальні кошти для безризикової торгівлі
Запуск
CandyDrop
Збирайте цукерки, щоб заробити аірдропи
Launchpool
Швидкий стейкінг, заробляйте нові токени
HODLer Airdrop
Утримуйте GT і отримуйте масові аірдропи безкоштовно
Pre-IPOs
Отримайте повний доступ до глобальних IPO акцій.
Alpha Поінти
Ончейн-торгівля та аірдропи
Ф'ючерсні бали
Заробляйте фʼючерсні бали та отримуйте аірдроп-винагороди
Інвестиції
Simple Earn
Заробляйте відсотки за допомогою неактивних токенів
Автоінвестування
Автоматичне інвестування на регулярній основі
Подвійні інвестиції
Прибуток від волатильності ринку
Soft Staking
Earn rewards with flexible staking
Криптопозика
0 Fees
Заставте одну криптовалюту, щоб позичити іншу
Центр кредитування
Єдиний центр кредитування
Центр багатства VIP
Преміальні плани зростання капіталу
Управління приватним капіталом
Розподіл преміальних активів
Квантовий фонд
Квантові стратегії найвищого рівня
Стейкінг
Стейкайте криптовалюту, щоб заробляти на продуктах PoS
Розумне кредитне плече
Кредитне плече без ліквідації
Випуск GUSD
Мінтинг GUSD для прибутку RWA
PyTorch TorchInductor інтегровано з CuteDSL як бекенд автоматичної оптимізації матричного множення
ME News Новини, 7 квітня (UTC+8), офіційна команда PyTorch нещодавно оголосила, що CuteDSL було інтегровано як четвертий автоматичний оптимізований бекенд для матричного множення у TorchInductor. Вибір цього бекенду базується на трьох критеріях: не створювати надмірне навантаження на підтримку, не сповільнювати час компіляції або бенчмаркінгу, а також забезпечувати кращу продуктивність на цільових навантаженнях. CuteDSL активно розробляється NVIDIA, пропонує оптимізовані шаблони ядра, час компіляції яких співставний із існуючими бекендами і значно кращий за шлях CUTLASS C++, який вимагає повної компіляції через \nvcc. Цей бекенд побудований на такій самій абстракції, що й CUTLASS C++, написаний на Python, швидше компілюється, легше підтримується і вже довів свою потужність у FP8 GEMM та об’єднанні Epilogue. Команда зосереджена на оптимізації GEMM (матричного множення), оскільки воно займає основну частку обчислень у моделях Transformer. CuteDSL генерує низькорівневий код за допомогою вручну оптимізованих шаблонів, уникаючи складнощів написання ядра з нуля, і повністю відкриває доступ до потоків і ієрархії пам’яті, підтримуючи функції, специфічні для архітектури. (Джерело: InFoQ)