• 🖥︎Websites

  •  TVM官方专栏
  •  Apache TVM 中文站

• 🎗︎Communities

  •  

• 🧰Tools

  •  SPEC2006

• 📽︎Videos

  •  [合辑]从零开始学 LLVM
  •  人工智能编译器MLIR-官方入门教程讲解
  •  MLIR Toy Tutorial概述
  •  MLIR & python binding简介
  •  [MLIR] 使用MLIR完成一个端到端的编译流程
  •  [合辑]算能TPU-MLIR系列讲解？
  •  陈天奇 机器学习课程
  •  AI-Compiler科普——TVM的使用讲解
  •  TVM流程梳理
  •  TVM-Relay流程梳理
  •  AI编译器后端优化介绍
  •  算子的计算和调度
  •  算子优化的手工方式
  •  算子循环优化
  •  指令和存储优化
  •  Auto Tuning原理
  •  TVM简介
  •  TVM自动调度算法AutoTVM
  •  ANSOR：为深度学习生成高性能张量程序
  •  TVM 编译流程与中间表示分析（一）
  •  TVM 编译流程与中间表示分析（二）
  •  EP17 | TPU-MLIR Introduction ：To ONNX Format
  •  Ep18 TPU Memory
  •  Ep19 TPU Memory (2)
  •  Ep20 Add a New Operator
  •  Ep21 fuse prepocess 【AI编译器】
  •  ep1｜TPU-MLIR Introduction AI Compiler
  •  TPU-MLIR Ep2 TPU-MLIR Overview
  •  TPU-MLIR Ep3 MLIR Brief Intro
  •  AI框架源码走读：tpu-mlir（一）
  •  AI框架源码走读：tpu-mlir（二）
  •  AI框架源码走读：tpu-mlir（三）
  •  TPU-MLIR线上分享会（一）：论文讲解
  •  MegCC 用模型编译的方式实现超轻量端上高性能推理
  •  动态shape深度学习编译器论文分享：DISC

• 🗂︎Articles

  •  [公众号]What Is MLIR && What Is TVM？
  •  [公众号]TVM Conf 2020 - An Introduction to TVM Part1
  •  [公众号]TVM Conf 2020 - An Introduction to TVM Part2
  •  [公众号]Torch MLIR公开会议翻译视频（自制中英双字完整版）
  •  [公众号]TVM命令行驱动程序 视频教程
  •  [公众号]基于 MLIR 完成对 GEMM 的编译优化 中英视频上，中部分
  •  [公众号]TVM TensorIR 视频讲解（熟肉）
  •  [公众号]TVM 学习指南（个人版）
  •  [公众号]白杨：TVM源语-Compute篇
  •  [公众号]MLSys 15-884: Course Introduction
  •  [知乎]OSDI 2021 PET 论文解读（代码生成相关工作）
  •  [公众号]Buddy-MLIR 项目详解（入门 MLIR 极佳选择）
  •  [公众号]【社区实践】为 TVM 新增 OneFlow 前端
  •  [公众号]【TVM 三代优化巡礼】在X86上将普通的矩阵乘法算子提速90倍
  •  [公众号]【论文解读】基于MLIR生成矩阵乘法的高性能GPU代码，性能持平cuBLAS
  •  [公众号][合辑] 【从零开始学深度学习编译器】
  •  [公众号]ChatGPT和Claude 对比测试（以Review MLIR Codegen代码为例）更新官方ChatGPT的结果
  •  [公众号]GPT4 VS Claude In MLIR
  •  [知乎]OpenAI/Triton MLIR 第零章: 源码编译
  •  [知乎]OpenAI/Triton MLIR 第一章: Triton DSL
  •  [知乎]深度学习编译器之Layerout Transform优化
  •  [知乎]深度学习编译器 TVM 代码串讲【非基础】
  •  [知乎]TVM编译流程与中间表示分析
  •  TVM Overview
  •  TVM - Relay IR计算图可视化【功能型】
  •  TVM - 代码生成流程
  •  TVM/VTA代码生成流程
  •  [知乎]tvm算子优化schedule（一）--CPU篇
  •  [知乎]tvm算子优化schedule（二）--GPU篇
  •  [知乎]TVM Runtime System 概述
  •  TVM PackedFunc实现机制
  •  [知乎]深入理解TVM：Python/C++互调（上）
  •  Round-tripping objects through the FFI
  •  [知乎][合辑]TVM 自底向上
  •  [知乎]深入理解TVM专栏，主要是对部分codebase的解读
  •  [知乎]tvm schedule详细举例
  •  TVM - 代码生成流程
  •  [知乎]Relax: TVM 的下一代图层级 IR
  •  [知乎]TVM之Tensor数据结构解读
  •  [知乎][合辑]TVM之设计模式解读
  •  [知乎]TVM之TIR相关数据结构
  •  [知乎]TVM之tir 转换成llvm ir
  •  [知乎]TVM之graph_runtime
  •  [知乎]TVM之relay.build流程解读
  •  [知乎][合辑:10] TVM学习
  •  [知乎]TVM TensorIR 浅析
  •  [知乎]TVM图编译器NNVM简单探究
  •  TVM图编译器Relay简单探究
  •  [知乎]基于TensorIR生成mma指令并实现16x16x4矩阵乘
  •  [知乎]基于TVM的PTX Tensor Core汇编代码生成
  •  [知乎]一个tvm(te)实现的cutlass efficient gemm
  •  [知乎]TIR Script CUTLASS Efficient Gemm
  •  [知乎][合辑]TVM系列
  •  [知乎]SparseTIR: TVM的稀疏算子编译抽象
  •  [知乎]Web-LLM:机器学习编译纯浏览器运行大模型
  •  [知乎]MLC-LLM: 在任何设备上编译运行大语言模型
  •  [知乎]TVM和BLIS对GEMM计算/优化方式的对比
  •  [知乎]TVM Tir 到 VTA Simulator 指令仿真的过程
  •  [知乎]【我与TVM二三事 中篇（5）】tvm tensorrt
  •  [知乎]TVM Relax如何支持dynamic shape
  •  [知乎]【我与TVM二三事 后篇（2）】MSC之架构 && MSCGraph
  •  [知乎]《新一代深度学习编译技术变革和展望·陈天奇》
  •  机器学习编译器代码生成相关 MLIR Dialect
  •  编译器与中间表示: LLVM IR, SPIR-V, 以及 MLIR
  •  MLIR Vector Dialect 以及 Patterns
  •  MLIR Linalg Dialect 以及 Patterns
  •  向外借力：Pluto助力MLIR编译器的多面体优化
  •  [合辑]IREE编译流程解析
  •  megcc 开箱评测
  •  [知乎]阿里 BladeDISC 深度学习编译器正式开源
  •  [知乎]全面支持 PyTorch 2.0：BladeDISC 5月~11月新功能发布
  •  [知乎]【GTC 22】通过 PAI-Blade 更方便、更鲁棒地使用 TensorRT
  •  [知乎]LLVM后端：TableGen简易入门
  •  [知乎]MLIR Compiler Components
  •  [知乎]第一篇 MLIR - Getting Started
  •  [知乎]MLIR学习笔记(二)——Dialect定义(二)
  •  [知乎]Glenside : 如何自动发现im2col布局转换?
  •  [知乎]基于Halide自动生成Kernel Fusion & Tiling
  •  [知乎]AKG: 使用post-tiling fusion策略完成无副作用的内存优化
  •  [知乎][教程翻译] Polyhedral Tutorials
  •  [知乎]带宽受限下的DSA后端优化
  •  [知乎]Equality Saturation优化在AI编译器中遇到的挑战
  •  [知乎]DSA后端Compute Schedule与Buffer Schedule
  •  [知乎]ASPLOS，我的初体验
  •  [知乎]读You and Your Research笔记
  •  [知乎]AStitch @ASPLOS 2022
  •  [知乎]RAKE @ASPLOS 2022
  •  [知乎]NASA @ISCA 2021
  •  [知乎]BOLT @MLSys 2022
  •  [知乎]Alpa/Parax @OSDI 2022
  •  [知乎]SIMD^2 ISCA 2022
  •  [知乎]AMOS ISCA 2022
  •  [知乎]PCCS MICRO 2021
  •  [知乎]Planaria@MICRO 2020
  •  Chimera HPCA 2023
  •  在MacBook Pro 2019上优化GEMM
  •  [知乎]OSDI '20 | RAMMER (NNFusion) 如何进一步压榨加速器性能
  •  [知乎]算子调度优化论文分享：Rammer
  •  [知乎][AI编译器] 论文阅读（二）Rammer
  •  [知乎]TorchDynamo 初探：Python ByteCode 的动态修改
  •  [知乎]PyTorch 2.0 Dynamo 字节码详解！自顶向下，由浅入深
  •  [知乎]Paper阅读笔记: Welder: Scheduling Deep Learning Memory Access via Tile-graph
  •  [知乎][Hands-On Polyhedral] C CodeGen
  •  [知乎]DISTAL: 分布式张量代数编译器 (DISTAL: The Distributed Tensor Algebra Compiler)
  •  [知乎]CGO'17 Optimistic Loop Optimization 乐观循环优化
  •  [知乎]经典论文鉴赏之《How to Make a Multiprocessor Computer That Correctly Executes Multiprocess Programs》
  •  [知乎]DSA后端Compute Schedule与Buffer Schedule
  •  [知乎]带宽受限下的DSA后端优化
  •  [知乎]编译优化 - 循环优化
  •  [知乎]详解三大编译器：gcc、llvm 和 clang
  •  [知乎]动态 shape 的挑战与解决现状
  •  [知乎][Hands-On Polyhedral] Schedule Program
  •  [知乎]Tensor Expression DSL总结
  •  陈天奇 MLC课程
  •  [知乎]深度学习编译器学习笔记和实践体会
  •  [知乎];蓝色的味道
  •  [知乎]深度学习编译器学习笔记和实践体会
  •  [知乎]FFI Navigator: 跨语言调用跳转IDE插件
  •  [知乎]如何Debug TVM的源码
  •  [知乎]GDB调试入门指南
  •  [官方]LLVM Tutorial

• 🖥︎Websites

  •  PLCT Lab

• 🎗︎Communities

  •  Mold Linker

• 🧰Tools

  •  SPEC2006

• 📽︎Videos

  •  [合辑]从零开始学 LLVM

• 🗂︎Articles

  •  [知乎·专栏]CUDA编程入门及优化
  •  [知乎·专栏]深入浅出GPU优化
  •  [知乎·专栏]CUDA 编程入门
  •  [知乎]【BBuf的CUDA笔记】一，解析OneFlow Element-Wise 算子实现
  •  [知乎]【BBuf的CUDA笔记】二，解析 OneFlow BatchNorm 相关算子实现
  •  [知乎]【BBuf的CUDA笔记】三，reduce优化入门学习笔记
  •  [知乎]【BBuf的CUDA笔记】四，介绍三个高效实用的CUDA算法实现（OneFlow ElementWise模板，FastAtomicAdd模板，OneFlow UpsampleNearest2d模板）
  •  [知乎]【BBuf的CUDA笔记】五，解读 PyTorch index_add 操作涉及的优化技术
  •  [知乎]【BBuf的CUDA笔记】六，总结 FasterTransformer Encoder(BERT) 的cuda相关优化技巧
  •  [知乎]【BBuf的CUDA笔记】七，总结 FasterTransformer Decoder(GPT) 的cuda相关优化技巧
  •  [知乎]【BBuf的CUDA笔记】八，对比学习OneFlow 和 FasterTransformer 的 Softmax Cuda实现
  •  [知乎]【BBuf的CUDA笔记】九，使用newbing（chatgpt）解析oneflow softmax相关的fuse优化
  •  [知乎]CodeGeeX百亿参数大模型的调优笔记：比FasterTransformer更快的解决方案
  •  【BBuf的cuda学习笔记十】Megatron-LM的gradient_accumulation_fusion优化
  •  【BBuf的CUDA笔记】十，Linear Attention的cuda kernel实现解析
  •  【BBuf的CUDA笔记】十一，Linear Attention的cuda kernel实现补档
  •  【BBuf的CUDA笔记】十二，LayerNorm/RMSNorm的重计算实现
  •  【BBuf的CUDA笔记】十三，OpenAI Triton 入门笔记一
  •  【BBuf的CUDA笔记】十四，OpenAI Triton入门笔记二
  •  【BBuf的CUDA笔记】十五，OpenAI Triton入门笔记三 FusedAttention
  •  AI Infra论文阅读之通过打表得到训练大模型的最佳并行配置
  •  AI Infra论文阅读之将流水线并行气泡几乎降到零（附基于Meagtron-LM的ZB-H1开源代码实现解读）
  •  AI Infra论文阅读之LIGHTSEQ（LLM长文本训练的Infra工作）
  •  AI Infra论文阅读之《在LLM训练中减少激活值内存》
  •  系统调优助手，PyTorch Profiler TensorBoard 插件教程
  •  在GPU上加速RWKV6模型的Linear Attention计算
  •  flash-linear-attention的fused_recurrent_rwkv6 Triton实现精读
  •  flash-linear-attention中的Chunkwise并行算法的理解
  •  硬件高效的线性注意力机制Gated Linear Attention论文阅读
  •  GQA，MLA之外的另一种KV Cache压缩方式：动态内存压缩（DMC）
  •  vAttention：用于在没有Paged Attention的情况下Serving LLM
  •  大模型KV Cache节省神器MLA学习笔记（包含推理时的矩阵吸收分析）
  •  CUDA-MODE 课程笔记 第一课: 如何在 PyTorch 中 profile CUDA kernels
  •  CUDA-MODE 第一课课后实战（上）
  •  CUDA-MODE 第一课课后实战（下）
  •  CUDA-MODE 课程笔记 第二课: PMPP 书的第1-3章速通
  •  CUDA-MODE 课程笔记 第四课: PMPP 书的第4-5章笔记
  •  CUDA-MODE课程笔记 第6课: 如何优化PyTorch中的优化器
  •  CUTLASS 2.x & CUTLASS 3.x Intro 学习笔记
  •  CUDA-MODE课程笔记 第7课: Quantization Cuda vs Triton
  •  TRT-LLM中的Quantization GEMM（Ampere Mixed GEMM）CUTLASS 2.x 课程学习笔记
  •  CUDA-MODE课程笔记 第8课: CUDA性能检查清单
  •  TensorRT-LLM 中的 Hopper Mixed GEMM 的 CUTLASS 3.x 实现讲解
  •  通过微基准测试和指令级分析(Instruction-level Analysis)揭秘英伟达Ampere架构
  •  CUDA-MODE课程笔记 第9课: 归约（也对应PMPP的第10章）
  •  【翻译】Accelerating Llama3 FP8 Inference with Triton Kernels
  •  【PyTorch 奇淫技巧】Python Custom Operators翻译
  •  【翻译】教程：在PyTorch中为CUDA库绑定Python接口
  •  【翻译】教程：CUTLASS中的矩阵转置 (使用CuTe把矩阵转置优化到GPU内存带宽上下限)
  •  CUDA-MODE课程笔记 第11课: Sparsity
  •  【PyTorch 奇淫技巧】Async Checkpoint Save
  •  CUDA-MODE课程笔记 第12课，Flash Attention
  •  【翻译】在 GPU 上如何加速 GPTQ Triton 反量化kernel
  •  基于o1-preview解读 Optimized GPTQ INT4 Dequantization Triton Kernel
  •  [知乎]Glenside : 如何自动发现im2col布局转换?
  •  [知乎]基于Halide自动生成Kernel Fusion & Tiling
  •  [知乎]AKG: 使用post-tiling fusion策略完成无副作用的内存优化
  •  [知乎][教程翻译] Polyhedral Tutorials
  •  [知乎]带宽受限下的DSA后端优化
  •  [知乎]Equality Saturation优化在AI编译器中遇到的挑战
  •  [知乎]DSA后端Compute Schedule与Buffer Schedule
  •  [知乎]ASPLOS，我的初体验
  •  [知乎]读You and Your Research笔记
  •  [知乎][阅读笔记] AStitch @ASPLOS 2022
  •  [知乎][阅读笔记] RAKE @ASPLOS 2022
  •  [知乎][阅读笔记] NASA @ISCA 2021
  •  【论文级】[阅读笔记] BOLT @MLSys 2022
  •  [知乎][阅读笔记] Alpa/Parax @OSDI 2022
  •  [知乎][阅读笔记] SIMD^2 ISCA 2022
  •  [知乎]AMOS ISCA 2022
  •  [知乎][阅读笔记] PCCS MICRO 2021
  •  [知乎][阅读笔记] Planaria@MICRO 2020
  •  [知乎]Chimera HPCA 2023
  •  [知乎]在MacBook Pro 2019上优化GEMM
  •  【论文级】OSDI '20 | RAMMER (NNFusion) 如何进一步压榨加速器性能
  •  【论文级】算子调度优化论文分享：Rammer
  •  【论文级】[AI编译器] 论文阅读（二）Rammer
  •  [知乎]TorchDynamo 初探：Python ByteCode 的动态修改
  •  [知乎]PyTorch 2.0 Dynamo 字节码详解！自顶向下，由浅入深
  •  [知乎]Paper阅读笔记: Welder: Scheduling Deep Learning Memory Access via Tile-graph
  •  [知乎][Hands-On Polyhedral] C CodeGen
  •  【论文阅读】DISTAL: 分布式张量代数编译器 (DISTAL: The Distributed Tensor Algebra Compiler)
  •  [知乎]CGO'17 Optimistic Loop Optimization 乐观循环优化
  •  [知乎]经典论文鉴赏之《How to Make a Multiprocessor Computer That Correctly Executes Multiprocess Programs》
  •  [知乎]DSA后端Compute Schedule与Buffer Schedule
  •  [知乎]带宽受限下的DSA后端优化
  •  [知乎]编译优化 - 循环优化
  •  [知乎]详解三大编译器：gcc、llvm 和 clang
  •  [知乎]动态 shape 的挑战与解决现状
  •  [知乎][Hands-On Polyhedral] Schedule Program
  •  [知乎]Tensor Expression DSL总结

• 🖥︎Websites

  •  PLCT Lab

• 🎗︎Communities

  •  

• 🧰Tools

  •  SPEC2006

• 📽︎Videos

  •  

• 🗂︎Articles

  •  一文读懂 PyTorch 显存管理机制
  •  一文搞懂 PyTorch 内部机制
  •  PyTorch的hook及其在Grad-CAM中的应用
  •  ML System 领域分享第一季
  •  ML System 领域分享第二季
  •  PyTorch中的contiguous
  •  一文理解 PyTorch 中的 SyncBatchNorm
  •  一文读懂 Pytorch 中的 Tensor View 机制
  •  一文学会 Pytorch 中的 einsum
  •  PyTorch 源码解读之 torch.autograd：梯度计算详解
  •  PyTorch 源码解读之 BN & SyncBN：BN 与 多卡同步 BN 详解
  •  PyTorch 源码解读之 torch.utils.data：解析数据处理全流程
  •  PyTorch 源码解读之 nn.Module：核心网络模块接口详解
  •  PyTorch 源码解读之 DP & DDP：模型并行和分布式训练解析
  •  PyTorch 源码解读之 torch.optim：优化算法接口详解
  •  PyTorch 源码解读之 torch.cuda.amp: 自动混合精度详解
  •  PyTorch 源码解读之 cpp_extension：揭秘 C++/CUDA 算子实现和调用全流程
  •  TorchScript 解读（一）：初识 TorchScript
  •  TorchScript 解读（二）：Torch jit tracer 实现解析
  •  TorchScript 解读（三）：jit 中的 subgraph rewriter
  •  TorchScript 解读（四）：Torch jit 中的别名分析
  •  [知乎]可能99%人犯的PyTorch错误] set_seed 会破坏随机性，官方 worker_init_fn 无法解决
  •  TorchDynamo 初探：Python ByteCode 的动态修改
  •  PyTorch 2.0 Dynamo 字节码详解！自顶向下，由浅入深
  •  PyTorch显存分配原理——以BERT为例
  •  PyTorch在CPU上的一些Performance BKM
  •  PyTorch CPU性能优化（一）：Memory Format 和 Channels Last 的性能优化
  •  PyTorch CPU性能优化（二）：并行化优化
  •  PyTorch CPU性能优化（三）：向量化
  •  PyTorch CPU性能优化（四）：BFloat16
  •  GNN 在CPU上的性能优化
  •  PyTorch 工程实践（一）：使用Valgrind解决内存double free的问题
  •  PyTorch显存机制分析
  •  pytorch 提速指南（持续更新）
  •  PyTorch 2.0 编译基础设施解读——计算图捕获（Graph Capture）
  •  pytorch算子的cuda实现——expand,where,softmax
  •  csrc autograd的一些基础类解析
  •  PyTorch Dynamo 初探2：torch fx 调研和实践
  •  一文搞懂 AOTAutograd 原理
  •  谁动了我的显存？——深度学习训练过程显存占用分析及优化
  •  [知乎]pytorch2.0目前值得更新吗?
  •  PyTorch 2.0 之 Dynamo: eager 模式的救星，加速背后的真相
  •  PyTorch显存可视化与Snapshot数据分析
  •  成城 OneFlow —— 让每一位算法工程师都有能力训练 GPT
  •  大缺弦 Oneflow 基于重计算的动态图显存优化实践
  •  许啸宇 访问者模式（Visitor Pattern）及其实现
  •  黄卓彬 在 Oneflow 中开发 Gather Primitive
  •  黄卓彬 在 Oneflow 中开发算子的基本流程
  •  李响 OneFlow 的 Global Tensor 学习笔记和实习总结
  •  李响 OneFlow如何做静态图的算子对齐任务
  •  李响 OneFlow 的大模型分片保存和加载
  •  周泽楷 OneFlow: 初始化环境
  •  周泽楷 OneFlow: Python 端构图
  •  周泽楷 OneFlow: 从 Op 到 Job
  •  周泽楷 OneFlow: 启动 Session
  •  周泽楷 OneFlow: 从 Job 到 Plan
  •  周泽楷 OneFlow: 启动 Runtime
  •  周泽楷 OneFlow: 计算数据的来源
  •  成城 OneFlow是如何做到世界最快深度学习框架的
  •  成城 仅此一文让您掌握OneFlow框架的系统设计（上篇）
  •  成城 仅此一文让您掌握OneFlow框架的系统设计（中篇）
  •  成城 仅此一文让您掌握OneFlow框架的系统设计（下篇）
  •  郭冉 如何实现一个高效的Softmax CUDA kernel？——OneFlow 性能优化分享
  •  赵露阳 一个Job在OneFlow中的执行过程—上篇
  •  赵露阳 一个Job在OneFlow中的执行过程—中篇
  •  赵露阳 一个Job在OneFlow中的执行过程—下篇
  •  赵露阳 亚线性内存优化—activation checkpointing在oneflow中的实现
  •  梁德澎 Oneflow 框架添加算子实践 ---- expand 和 repeat
  •  郑泽康 在OneFlow实现Unfold Fold算子
  •  郑泽康 在OneFlow实现数据类型自动提升
  •  赵露阳 OneFlow中的dataloader原理及实现（对齐pytorch）
  •  OneFlow中的错误处理：Maybe
  •  郑泽康 如何实现比PyTorch快6倍的Permute/Transpose算子？
  •  柳俊丞 如何设置CUDA Kernel中的grid_size和block_size？
  •  吴志新 一文搞懂OneFlow中的内存复用

• 🧰Paper

  •  【论文写作】 TexPage
  •  【论文写作】 Overleaf
  •  【论文图谱】 Citex
  •  【论文图谱】 Connected Papers
  •  【在线latex编辑】LatexLive
  •  【论文 GPT】 Aminer
  •  【Latex 入门】 Latex 入门与进阶
  •  【ACM】 ACM
  •  【Google Scholar】 Google Scholar
  •  【Web Of Science】 Web of Science
  •  【DBLP】 DBLP
  •  【Arxiv】 Arxiv
  •  【Zotero】 Zotero 论文参考文献

• 🧰Media

  •  【UpsCayl】图像清晰度增强工具(论文图片增强)
  •  【TG】Telegram万能下载
  •  【Bilibili】视频下载
  •  【Bilibili】视频下载
  •  【Bilibili】弹幕合并
  •  【Bilibili】弹幕转ASS
  •  【Bilibili】弹幕版录播教程
  •  【Bilibili】B站Cookie
  •  【AI】火山写作
  •  【PPT 素材】PPTer
  •  【PPT 素材】SlidesCarnival
  •  【PPT 素材】PPT 牛
  •  【音乐下载】悦听
  •  【Unicode】Unicode大全
  •  【自动写流程图】Lucid
  •  【Manim】python 实现平滑 PPT

• 🧰Coding

  •  【ai-bot】AI工具集大全
  •  【CodeInWord】(在word里呈现优雅代码)
  •  【万能汇编】(强大在线编译工具)
  •  【编码解码】 RV 编码解码
  •  【在线编程】 Hackerrank
  •  【在线编程】 Exercism
  •  【在线编程】 CodeWars
  •  【在线编程】 CoLab

• 🧰Knowledge

  •  ZLib(书籍大全)
  •  Linux命令大全
  •  【ZSH】 ZSH 教程
  •  【网页】 JS压缩
  •  【网页】 CSS压缩
  •  【字体】 TTF转WOFF2
  •  【字体】 TTF转WOFF2
  •  【图片】 JPG转WEBP
  •  【LOGO】 自主设计LOGO.免费签名

• 🧰Others

  •  【SVG】Simple Icons
  •  【内蒙古高性能计算公共服务平台】
  •  【报告】三个皮匠报错
  •  【VERCEL】自助建站工具(除了github,gitlab之外)
  •  【内网穿透】ngrok
  •  【微信视频号下载】wx_channels_download，兼容Mac+Win(亲测最好用的一个)
  •  
  •  
  •  
  •  
  •  
  •  
  •  
  •  

• 编译原理,编译实践

  1.  康奈尔大学先进编译课程
  2.  先进编译实验室课程导航
  3.  CS自学指南
  
  

  ---

• 编程语言

  1.  C++学习与评测

• 机器学习

  1.  人工智能大模型通论
  2.  大模型技术的重要特性与发展趋势

📚编译原理

LLVM编译器实战教程

Learn LLVM 17

龙书

多面体编译理论与深度学习实践

现代体系结构的优化编译器

高级编译器设计与实现