TensorCraft-HPC

TensorCraft-HPC 面向“理解并实践现代 AI 算子如何从可读实现演进到高性能版本”的学习与工程场景，覆盖 Elementwise、Normalization、GEMM、Attention、Conv2D、Sparse、Fusion 与 Quantization 等核心模块。

项目定位

这是一个把现代 C++/CUDA 编程、AI kernel 设计模式与工程化验证流程放在一起的学习型仓库。README 现在只保留仓库级入口，这个页面负责告诉你项目适合谁、从哪里开始，以及文档之间如何组织。

适合谁

• 想系统浏览现代 C++ / CUDA AI kernel 设计与优化模式的开发者
• 想按主题阅读安装、架构、API、优化与问题排查文档的工程师
• 需要快速进入测试、贡献流程和版本演进记录的维护者

从哪里开始

1. 先看 README，完成最小构建、测试与 Python 安装。
2. 再看 安装指南 和 架构设计，建立环境与模块边界认知。
3. 想深入实现细节时，继续阅读 优化指南、API 参考 与 Modern C++ in CUDA。

推荐阅读路径

我只想先编译并跑测试

• README
• 安装指南
• 问题排查

我想先理解架构与模块划分

• 架构设计
• API 参考
• Modern C++ in CUDA

我准备做优化或继续维护

• 优化指南
• CONTRIBUTING
• CHANGELOG
• changelog/

核心文档

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	安装指南	环境准备、平台差异与安装步骤
架构设计	架构设计	模块边界、目录结构与设计思路
使用指南	优化指南	GEMM / Attention / Kernel 优化路线
参考	API 参考	C++ / Python 接口说明
开发指南	CONTRIBUTING	贡献流程、测试要求与代码规范
归档	CHANGELOG / changelog/	版本记录与 Pages / 工作流调整记录

相关入口

• GitHub 仓库：https://github.com/LessUp/modern-ai-kernels
• 在线文档：https://lessup.github.io/modern-ai-kernels/
• Issues：https://github.com/LessUp/modern-ai-kernels/issues