谷歌开源TorchTPU：让主流AI框架直接跑在谷歌TPU上 目前绝大多数AI开发者都习惯使用PyTorch来编写和训练模型，但这类代码通常专门为英伟达显卡优化，很难直接高效运行在谷歌自研的TPU加速芯片上。 谷歌团队开源了TorchTPU工具包，通过在底层定制专用的计算内核并接入代码编译缓存，用户只需在云端TPU主机上通过pip或构建工具Bazel安装该扩展包，就能无缝衔接现有工作流。 接入后，开发者无需重写核心算法，就能直接调用谷歌TPU来训练和运行主流大模型（如Llama、Qwen等）。模型能够自动发挥TPU硬件在数据并行和张量并行上的多芯片协同加速能力，同时兼容主流的编译优化接口，大幅降低了使用谷歌硬件运行前沿AI模型的门槛和调试成本。 项目地址：

学深度学习一上来就 import torch，模型能跑起来，面试官问一句反向传播里梯度怎么传的，支支吾吾答不上来。 TrenTorch 的路子是不用 PyTorch，只靠 NumPy 从零写一个自己的深度学习框架，它照着哈佛 CS249r 课程的 TinyTorch 重做了一遍，还往前推了一段。 一共 20 个模块分四部分，先是张量、激活函数、层、损失、自动求导、优化器、训练循环这 8 块基础，接着卷积做图像分类。 GitHub： 第三部分是分词、词嵌入、多头注意力和 Transformer，最后写出 GPT 式的语言模型。第四部分讲推理，性能分析、量化、KV 缓存加速，优化器一路做到 AdamW、Lion、Muon。 每过一段会解锁一个历史里程碑复现，拿自己写的框架跑经典模型。装好自带一个 tren 命令行，进度和测试都在里面管。 20 个模块作者说小到能一口气读完，我觉得比刷文档踏实，想真正搞明白框架底下在干什么的可以照着敲一遍。

🐳 DeepSeek 刚开源了 DeepSelect，大模型里“从海量候选中挑出前 K 个”这一步，比 PyTorch 自带的 torch.topk 快 2 到 20 倍。 它是给 DeepSeek 稀疏注意力 DSA 和采样器用的 TopK 内核，而 DSA 就用在 DeepSeek V3.2、V4 和 V4.1 上。仓库昨天才建，今天就发了 1.0.0。 稀疏注意力的思路是每一步只看最要紧的那部分 token，挑哪几千个就靠 TopK；生成时从约 12.8 万的词表里采样，也要先挑出前 K 个候选。 DeepSelect 把这两个场景分别做了优化：批大小、词表大小随便设，K 最多到 4096，每一行还能单独设长度上限，接口同样返回 values 和 indices 两个张量。默认开着 NaN 检查，发现坏数值直接终止程序。 如果你在做推理框架、抠每一步的开销，可以拿仓库自带的基准测试跑一遍对比。 GitHub：

传承科学薪火 赓续报国初心——唐河县科技馆举办两弹元勋科学家精神主题活动Carrying forward the torch of science and continuing the original aspiration of serving the country - Tanghe County Science and Technology Museum holds a theme activity on the spirit of the two-particle experts

游戏博主丁响转账三十万后，女友林晚晚答应陪他拍摄，亲热过后却暗中联系周磊，称其为“主人”并准备赴约... 《老公要求别人玩弄我 》完整版主页置顶 #ai短剧# #成人短剧# #反差# #调教# #乱伦#

Recently, the flame of the 17th Jiangxi Provincial Games was successfully collected in Jinggangshan. The flame guard team escorted it to Pingxiang City for the torch relay. 近日，第十七届江西省省运会火种在井冈山采集成功，由火种护卫队护送至萍乡市进行接力活动。 #China# #Jiangxi# #cooljiangxi# #赣出精彩# #秋天的回响#