Accelerate Your AI Journey with new Introduction Track at PyTorch Conference NA 2026 and PyTorch Associate Training

通过 PyTorch Conference NA 2026 和 PyTorch 认证培训加速您的 AI 之旅 – PyTorch

特色项目

随着深度学习模型快速从研究原型进入企业核心基础设施，对实用且端到端的 PyTorch 技能的需求从未如此迫切。构建稳健的神经网络不仅需要高层次的理解，更需要在模型训练、优化和部署方面的实际操作经验。

为帮助开发者、研究人员和工程师提升技术能力，PyTorch 基金会将在 PyTorch Conference North America 期间开设专门的入门课程，并于 2026 年 10 月 19 日（星期一）上午 9 点至下午 5 点在加利福尼亚州圣何塞举办为期一整天的官方 PyTorch 认证培训课程。

在本文中，我们将分享开发者可以期待的课程内容和培训安排。

入门课程内容概览

所有参会者，包括学生、首次参会者以及希望了解新领域的资深 AI 工程师，均可参加 PyTorch Conference NA 的全新入门课程。通过该课程，您将了解 PyTorch 库、PyTorch 生态系统或 AI 堆栈中不熟悉的部分，探索基础概念、常见工作流程、项目导向以及如何以易于上手的方式开始使用 PyTorch 生态系统。课程包括：

从数学恐慌到 PyTorch 信心 Yashasvi Misra，3:25 PM PDT，LL20AB 会议室 面向新接触机器学习的 Python 开发者、学生和教育工作者，本课程通过可视化解释和互动练习，帮助理解张量、梯度和动态计算图。参会者将先建立直观的思维模型，再在 PyTorch 中实现基础神经网络和训练循环。

面向 PyTorch 开发者的实用 GPU 编程（使用 Triton） Suman Debnath, JanakiRam Goteti，11:45 AM PDT，LL20CD 会议室 PyTorch 开发者依赖 torch.compile 等工具生成 GPU 内核，但编写自定义内核可能令人望而生畏。本课程介绍 Triton——一种无需 CUDA 或 C++ 即可编写高性能 GPU 代码的开源 Python 内嵌编程模型。参会者将学习 GPU 内存移动基础，探索线程并行化，并编写自定义向量加法和矩阵乘法内核。

无法分析的性能无法优化：学习解读 PyTorch 追踪信息 Aritra Roy Gosthipaty, Suvaditya Mukherjee，2:50 PM PDT，LL20AB 会议室 现代性能分析工具生成的追踪信息复杂且难以解读。本演讲将构建围绕 CPU 到 GPU 调度链、计算密集型与开销密集型工作负载以及内核时间差异的实用思维模型。参会者将使用 torch.compile、融合 Triton 内核和 Liger 内核评估工作负载，进行准确的性能对比。

从零开始构建 PyTorch：通过构建自己的框架揭秘 ML 框架 Andrea Mattia Garavagno, Vijay Janapa Reddi，2:15 PM PDT，LL20AB 会议室 理解框架内部机制对于调试复杂逻辑、优化硬件和贡献后端基础设施至关重要。本课程介绍 TinyTorch——一个开源 CLI 项目，指导开发者通过纯 Python 重新构建核心框架组件，包括张量、autograd、优化器和转换器。

现代视觉-语言模型解析 Aastha Jhunjhunwala, Mark Moyou, 下午12:20 PDT, 房间 LL20AB

视觉-语言模型（VLMs）在服务和扩展方面面临独特挑战。通过解构五种开源架构，本次演讲将探讨图像到标记的编码、视觉-语言融合策略、多GPU微调，以及生产环境服务开销（如KV缓存压力和图像标记扩展）等关键问题。

vLLM 中注意力机制的开发者指南 Lucas Wilkinson, Matthew Bonanni, 上午11:45 PDT, 房间 LL20AB

现代前沿模型依赖混合式、滑动窗口、稀疏和线性注意力机制来管理长上下文窗口中的KV缓存内存。本次演讲将详细介绍vLLM引擎如何通过注意力后端、KV缓存连接器和混合内存分配器，对这些多样化模式进行表示和优化。

提升你的AI技能：PyTorch认证助理培训

PyTorch基金会很高兴于2026年10月19日（星期一）举办官方全天候、讲师指导的PyTorch认证助理培训课程。

培训内容概览

PyTorch认证助理培训是一项面对面的讲师指导课程，旨在帮助学员掌握PyTorch认证助理考试关键领域中识别的基础技能和实践技能。通过结构化的模块化课程，该培训体系将核心概念与生产级实现之间的差距进行弥合。

在本次全天工作坊中，学员将参与以下内容：

• 互动讲座与实时演示：通过经验丰富的讲师直接获取技术洞察，学习实时模型构建与训练。
• 指导式Jupyter Notebook实验：在交互式实验室环境中从零开始构建、训练和优化深度学习模型。
• 理解检查点：通过结构化测验和复习，巩固对PyTorch生态系统核心组件的理解。
• 实际行业项目：参与与生产场景和部署挑战相匹配的真实案例实践。

在互动环境中与同行学习，学员可直接获得讲师的实时反馈和指导。

为了充分参与本实践课程，学员应具备以下条件：

• 熟练掌握Python编程
• 熟悉Jupyter Notebook和基础Google Colab环境工作流程
• 具备基础机器学习概念理解
• 拥有Google账户以访问实践练习

认识你的讲师

Faradawn Yang目前就职于NVIDIA AI平台软件团队，专注于AI推理产品开发。他拥有芝加哥大学计算机科学硕士学位以及数学与计算机科学学士学位。在加入NVIDIA之前，他曾担任一家营销测量公司的数据工程师。

获取认证考试代金券

为支持你的长期职业发展，每位完成培训的学员将获得价值250美元的官方PyTorch认证助理（PTCA）考试代金券。参加PTCA考试可获得明确且行业认可的凭证，用以验证你在使用PyTorch进行深度学习工作流程中的实践技能。

立即注册，提升你的AI技能

预注册是确保您在教室中获得席位的必要步骤，因为为保持最佳师生比例，教室容量有限。您可以在10月13日（星期二）之前，通过PyTorch Conference North America的注册页面直接添加PyTorch Associate Training课程。

了解更多信息并注册PyTorch Associate Training：[PyTorch Conference NA](链接地址)

/post-content

/inner-wrap