Итеративная оптимизация ядра CUDA с использованием инструментов профилирования NVIDIA (nsys, ncu). Используйте при оптимизации ядер, повышении пропускной способности, уменьшении пропускной способности, анализе линии крыши, сравнении эталонных тестов или исследовании нагрузки и занятости регистров.
Быстро установите AI-навык cuda-kernel-refine в вашу среду разработки через командную строку
Источник: trevors/dot-claude.
One change per cycle: baseline → profile → classify → optimize → verify → compare → loop. Multiple simultaneous changes make it impossible to attribute improvement. Revert on regression.
Discover the project's benchmark infrastructure before running anything:
Run with enough iterations for stable results — coefficient of variation <5%.
Итеративная оптимизация ядра CUDA с использованием инструментов профилирования NVIDIA (nsys, ncu). Используйте при оптимизации ядер, повышении пропускной способности, уменьшении пропускной способности, анализе линии крыши, сравнении эталонных тестов или исследовании нагрузки и занятости регистров. Источник: trevors/dot-claude.
Стабильные поля и команды для ссылок в AI/поиске.
npx skills add https://github.com/trevors/dot-claude --skill cuda-kernel-refineИтеративная оптимизация ядра CUDA с использованием инструментов профилирования NVIDIA (nsys, ncu). Используйте при оптимизации ядер, повышении пропускной способности, уменьшении пропускной способности, анализе линии крыши, сравнении эталонных тестов или исследовании нагрузки и занятости регистров. Источник: trevors/dot-claude.
Откройте терминал или инструмент командной строки (Terminal, iTerm, Windows Terminal и т.д.) Скопируйте и выполните эту команду: npx skills add https://github.com/trevors/dot-claude --skill cuda-kernel-refine После установки навык будет автоматически настроен в вашей AI-среде разработки и готов к использованию в Claude Code, Cursor или OpenClaw
https://github.com/trevors/dot-claude