learning how CUDA works

• custom op [Done]
  • CUDA 编程基础
• memory & reduction [Done]
  • GPU的内存体系及其优化指南
• gemm [Done]
  • 通用矩阵乘法：从入门到熟练
• Transformer [WIP]
  • 基础算子：
    • LayerNorm 算子的 CUDA 实现与优化
    • SoftMax 算子的 CUDA 实现与优化
    • Cross Entropy 的 CUDA 实现
    • AdamW 优化器的 CUDA 实现
    • 激活函数与残差连接的 CUDA 实现
    • embedding 层与 LM head 层的 CUDA 实现
  • 核心模块
    • self-attention 的 CUDA 实现及优化 (上)
    • self-attention 的 CUDA 实现及优化 (下)