资源中心

当读者看完架构与方法论后，真正的下一步不该只是碰运气地点开一串链接；这页就是为那个交接点准备的。

这里不是平铺式书单，而是带有编辑判断的资源入口：每条路线都会说明应该先看什么、为什么重要、以及它能回答项目中的哪类问题。

先按你手上的问题选入口

如果你的问题更像这样	先看这里	为什么这条路线有用
“这个 kernel 为什么这么在意内存布局？”	CUDA 内存速查表	先把合并访问、共享内存布局、Tensor Core 对齐和 benchmark 前该检查的点重新捡起来。
“白皮书里的这些约束到底对应哪份官方文档？”	参考资料清单	直接跳到 CUDA、WMMA、Runtime API 等权威来源，确认执行模型与内存模型的依据。
“业界里成熟的 SGEMM 实现大概长什么样？”	参考资料清单	用成熟仓库与官方样例对照本仓库的教学型 kernel 阶梯。
“看完站内内容后下一步该学什么？”	延伸阅读路线	把邻近主题整理成有顺序的学习路线，而不是把选择权全部丢给读者。
“我该怎么把 benchmark 异常变成可验证的证据？”	诊断闭环 + Profiler 与工具资料	把站内诊断工作流与外部 profiler / 工具连接起来。

精选资源架

先查官方文档，统一术语与约束

当你需要确认白皮书里的某个说法是否有权威依据时，从这里开始。

• CUDA C++ Programming Guide：执行模型、同步语义、内存层级。
• WMMA / Tensor Core 资料：片段约束、对齐条件、混合精度行为。
• CUDA Runtime API 与 Compute Sanitizer：更贴近调试与验证实践。

再看论文与性能模型，补上“为什么”

这些资源帮助你理解 kernel 阶梯背后的设计逻辑，而不只是记 API。

• 基础论文与性能心智模型 解释为什么 blocking、数据复用、算术强度会主导 SGEMM。
• 延伸阅读：Roofline 思维 把这些抽象概念重新落回调优判断。

想对照成熟实现时，再打开示范仓库

这些链接帮助你看清本仓库在哪些地方是为了教学而故意简化，哪些地方与生产实现共享核心思路。

• CUTLASS、BLIS 与 CUDA Samples 展示了不同风格的 GEMM 实现。
• Kernel 阶梯 依然重要，因为它能作为阅读工业级模板库前的解释性底图。

当性能数字不再自解释时，切到工具层

如果“GFLOPS 变了”已经不足以说明问题，就该用工具证据补上上下文。

• Profiler、工具与诊断资料 收纳了 Nsight Compute、Nsight Systems、Occupancy Calculator 和正确性工具。
• Benchmark 范围 与 可复现性 解释这些工具结果应该如何被汇报与解释。

推荐学习路线

路线 1：先把内存讲清楚，再谈下一步优化

1. 先读 Memory Flow。
2. 用 CUDA 内存速查表 快速检查一个 warp 在加载什么、复用发生在哪、shared memory 改变了什么访问模式。
3. 如果还想把这些概念升维，继续读 延伸阅读：GEMM 分块。

路线 2：别用口号解释 Tensor Core

1. 先读 Tensor Core 路径 和 Tensor Core WMMA。
2. 再打开 WMMA 与混合精度资料，核对 shape、对齐、fallback 条件。
3. 最后转到 延伸阅读：Tensor Core 约束，把常被省略的前置条件补齐。

路线 3：从“benchmark 变了”走向 profiler 驱动诊断

1. 从 诊断闭环 开始。
2. 配合 Nsight 与 Occupancy 资料 使用。
3. 想把症状、指标、结论串成完整流程时，继续看 延伸阅读：从症状到证据的 profiling。

站内相关页面

• 参考资料清单
• CUDA 内存速查表
• 延伸阅读路线
• 诊断闭环
• 验证概览