Tối ưu hóa GPU (NVIDIA)

Skill này làm gì

Coi việc tăng tốc GPU là một quá trình tối ưu dựa trên bằng chứng, không phải viết lại code một cách mù quáng.

• Bảng chọn thư viện phù hợp: CuPy (NumPy/SciPy), cuDF (pandas), cuML (scikit-learn), nx-cugraph (NetworkX), cuCIM (xử lý ảnh, WSI), cuVS (tìm kiếm vector), KvikIO (đọc file trực tiếp vào GPU), Warp/Newton (mô phỏng vật lý), Numba-CUDA (kernel tùy chỉnh), RAFT.
• Đi từ nhẹ đến nặng: thử chế độ tăng tốc cudf.pandas, cuml.accel, nx-cugraph trước; chỉ dùng API native hoặc kernel tùy chỉnh khi thật cần.
• Kiểm chứng số học: so sánh kết quả CPU/GPU với sai số cho phép, xử lý NaN, dtype, thứ tự; với ANN thì báo recall@k thay vì chỉ so tốc độ.
• Đo benchmark đúng cách: dùng CUDA events, cupyx.profiler.benchmark, nsys, ncu, có warm-up và tính cả chi phí truyền dữ liệu.
• Dám từ chối port: nếu GPU không nhanh hơn, skill giải thích nguyên nhân (kích thước bài toán, truyền dữ liệu, fallback về CPU, thiếu bộ nhớ...).

Skill cũng cảnh báo các project đã ngừng phát triển như cuxfilter (bản cuối 26.06) và cuSpatial (đóng băng ở 25.04).

Dành cho ai

• Nhà nghiên cứu / data scientist có pipeline xử lý mảng, dataframe cực lớn
• Người mới với hệ sinh thái RAPIDS, chưa biết chọn thư viện nào
• Người làm mô phỏng vật lý, phân tích đồ thị, tìm kiếm vector cho RAG, xử lý ảnh y khoa
• Ai từng chuyển sang GPU nhưng code vẫn không nhanh hơn và cần chẩn đoán nguyên nhân

Ví dụ sử dụng

1. Tăng tốc pipeline pandas: đưa script tổng hợp 50 triệu dòng CSV → skill bật cudf.pandas, kiểm tra cảnh báo fallback CPU, viết lại phần nghẽn bằng cuDF native rồi báo benchmark trước/sau kèm chi phí truyền dữ liệu.
2. Chuyển tìm kiếm vector: thay NearestNeighbors của sklearn bằng cuVS cho pipeline RAG, đồng thời báo recall@k so với tìm kiếm chính xác để đánh giá chất lượng.
3. Mô phỏng hạt: JIT-compile vòng lặp Python sang kernel Warp và dùng timeline nsys để loại bỏ các lần chuyển dữ liệu host↔device dư thừa.

Hãy cài skill mình tìm thấy trên Claude Skill Mart.
Copy thư mục skills/optimize-for-gpu từ repo GitHub K-Dense-AI/scientific-agent-skills vào ~/.claude/skills/optimize-for-gpu/ của mình.
Sau khi cài xong, cho mình biết skill này làm được gì trong một câu.