CUDA-L2

用强化学习自动写出比 cuBLAS 更快的矩阵乘法内核

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 33 🐛 待处理 5 👀 关注 4

GitHub ↗

GitHub 星标 ★ 487

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，无付费版本。

项目预览

项目数据

分类开源模型

开发团队ornith-ai

GitHubhttps://github.com/ornith-ai/CUDA-L2

定价模式🏷️完全免费

价格说明开源项目，MIT许可证，完全免费，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议MIT

主要语言Cuda

技术栈/模型cublas,cuda-kernels,large-language-models,matrix-multiplication,nvidia,reinforcement-learning

GitHub 星标★ 487

上线时间2025-12-02 00:00:00

代码更新2026-03-30

仓库体积2.9 MB

本站数据更新2026-11-10

维护状态低维护

收录时间2026-08-09

浏览次数6

项目介绍

CUDA-L2 是一个通过强化学习自动生成高性能矩阵乘法内核的开源项目，目标是在 NVIDIA GPU 上超越 cuBLAS 的性能。它解决了传统手写 CUDA 内核开发门槛高、调优耗时的问题，将内核设计视为一个强化学习问题，让智能体在巨大的设计空间中探索最优的 tile 大小、循环顺序、内存布局等配置。核心能力包括：自动搜索和生成针对特定 GPU 架构优化的矩阵乘法内核，支持多种矩阵尺寸，并通过奖励函数引导模型学习性能最优的代码结构。项目展示了强化学习在底层计算优化中的潜力，为高性能计算领域提供了一种新的自动化路径。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 487

技术标签

large-language-models nvidia reinforcement-learning

使用教程

难度：高级约 90 分钟部署方式：本地GPU 5 步

环境要求

CUDA 显卡
C++ 编译环境
指定版本矩阵库

安装与启动步骤

1拉指定版本的矩阵库

它锁一个具体版本，别用最新。
```
git clone -b v4.2.1 https://github.com/NVIDIA/cutlass.git cutlass
```
2备编译环境

它要现场编译内核。
3跑基线对比

先复现官方给的对比结果。
4按自己的矩阵形状调

形状不同最优策略不同。
5看相对官方库的差距

它的目标是超过官方实现的性能。