Group 1D: Heterogeneous Scheduling and Operator Programming | 1D: 异构调度与算子编程
本组回答一个工程问题：程序如何从 CPU/GPU 的任务分配，落到线程、内存和算子执行。学习者会依次接触 CUDA/Triton 编程模型、Stream 异步调度、动态形状和算子融合，并用执行路径解释性能变化。
Group Goal | 组定位与学习目标
先从 1C 接入多卡通信和运行时条件，再进入本组的执行模型与编程模型。完成本组后，学习者应能回答：任务放在哪个执行单元、数据如何在层级之间移动、异步任务能否重叠，以及算子融合是否改变了实际瓶颈。19 同时连接执行映射和编译优化，因此会在相邻组复用。
Group Asset Overview | 组内资产总览
| 页 | 核心职责 | Q 数 | 代码块数 | 已有码的 Q | 待补代码的 Q | 定位 |
|---|---|---|---|---|---|---|
| 07 | 分配 CPU/GPU 的执行边界 | 4 | 4 | Q1, Q2, Q3, Q4 | 无 | 主线页 |
| 08 | 选择合适的编程与映射方式 | 4 | 4 | Q1, Q2, Q3, Q4 | 无 | 主线页 |
| 29 | 压低 Stream 调度开销 | 5 | 6 | 全部 | 无 | 基础节 |
| 30 | 处理动态形状带来的波动 | 3 | 3 | 全部 | 无 | 基础节 |
| 31 | 评估 GPU 虚拟化与隔离收益 | 3 | 3 | 全部 | 无 | 基础节 |
| 15 | 理解 CUDA 执行层级 | 3 | 3 | Q1, Q2, Q3 | 无 | 主线页 |
| 16 | 用 Warp / Block / Shared Memory 提升复用 | 3 | 3 | Q1, Q2, Q3 | 无 | 主线页 |
| 17 | 看懂异步执行和重叠收益 | 3 | 3 | Q1, Q2, Q3 | 无 | 主线页 |
| 18 | 把程序块映射到执行块 | 3 | 3 | Q1, Q2, Q3 | 无 | 主线页 |
| 19 | 减少算子间中间张量往返 | 3 | 3 | Q1, Q2, Q3 | 无 | 主线页 |
Learning Path | 学习路径
Recommended Order | 推荐顺序
- 先读 07 和 08，建立任务放置、线程映射和 block / tile 表达的共同语境。
- 再读 15、16、17、18 和 19，把执行层级、片上复用、异步重叠和融合连接起来。
- 最后按需要阅读 29、30 和 31，分别处理高级 Stream、动态 shape 和 GPU 隔离问题。
这些内容直接衔接 Part 3 的 Triton kernel、系统调度和算子优化；具体页面是否需要 CUDA 工具链或 GPU，以单页环境说明为准。
Environment Notes | 环境说明
- 默认按
CPU-first阅读，先把执行模型和调度关系想清楚；07 / 08的 Q 都配了验证代码，适合边读边核对。 - 组页只说明统一阅读条件；需要 CUDA 工具链或
GPU required的页面，以单页环境说明为准。