LLM-Speed

LLM-Speed 面向“理解并验证 LLM 推理算子如何从朴素实现逐步优化到高性能版本”的学习与工程实践场景，覆盖 FlashAttention、Tensor Core GEMM、Python 绑定和属性测试。

项目定位

这是一个把 CUDA 内核实验、Python 集成和验证流程放在同一仓库里的工程化学习项目。仓库 README 只保留最小构建入口，这个页面负责说明项目适合谁、先看什么以及重要文档在哪。

适合谁

• 想系统理解 FlashAttention、共享内存分块和 Tensor Core GEMM 的开发者
• 想参考 CUDA C++ 与 pybind11 绑定协同组织方式的工程师
• 需要快速定位测试、贡献流程和历史变更记录的维护者

从哪里开始

1. 先看 README，完成依赖安装、构建与测试。
2. 再看 DeepWiki，理解核心 kernel、头文件原语与优化思路。
3. 需要参与协作或追踪演进时，继续查看 CONTRIBUTING 与 更新日志。

推荐阅读路径

我只想先编译并跑测试

• README
• CONTRIBUTING

我想先理解优化路线

• DeepWiki
• src/
• include/

我准备继续维护

• CONTRIBUTING
• 更新日志
• GitHub 仓库

核心入口

类别	页面	说明
概览	README	仓库定位、最小构建命令与文档链接
快速开始	README	安装依赖、构建扩展与运行测试
使用指南	DeepWiki	核心 kernel、原语与优化策略说明
开发指南	CONTRIBUTING	提交流程、代码规范与测试要求
归档	更新日志	工作流、文档与实现迭代记录
外部链接	GitHub 仓库	源码、Issue 与协作入口