Triton环境有哪些应用场景？

OS: Ubuntu 24.04 分阶段准备环境： Step 1）Conda 虚拟环境：玩一下 Triton Python API，了解算子开发、追踪编译流程 Step 2）Docker 编译环境：从源码构建 Triton MLIR 环境，探索编译技术栈、自定义硬件 Dialect Conda 虚拟环境 安装 Miniconda， # 安装对应版本，如 Linux x86_64 # https://www.anaconda.com/docs/getting-started/miniconda/install mkdir -p ~/miniconda3 wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3 rm ~/miniconda3/miniconda.sh # 重开终端，初始化 source ~/miniconda3/bin/activate conda init --all 准备虚拟环境， # 创建环境 conda create -n triton python=3.12 conda activate triton # 安装 PyTorch（CUDA 版本不高于 nvidia-smi 显示的） # https://pytorch.org/get-started/locally pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu130 # 安装 Triton（Python 版本） # https://triton-lang.org/main/getting-started/installation.html pip3 install triton # 安装其他依赖 pip3 install matplotlib pandas # 验证 $ python - <<-EOF import platform import torch import triton print(f" Python: {platform.python_version()}") print(f"PyTorch: {torch.__version__}") print(f" CUDA: {torch.version.cuda} en={torch.cuda.is_available()}") print(f" Triton: {triton.__version__}") EOF Python: 3.12.12 PyTorch: 2.10.0+cu130 CUDA: 13.0 en=True Triton: 3.6.0 Docker 编译环境 安装 Docker， Install Docker Engine Docker 加速 Install Docker Compose $ docker -v Docker version 29.2.1, build a5c7197 $ docker compose version Docker Compose version v5.0.2 # docker group # https://docs.docker.com/engine/install/linux-postinstall/ sudo groupadd docker sudo usermod -aG docker $USER newgrp docker 安装 NVIDIA Container Toolkit， Install NVIDIA Container Toolkit sudo systemctl restart docker docker run --rm --runtime=nvidia --gpus all ubuntu:22.04 nvidia-smi 准备编译环境， docker pull ubuntu:22.04 docker run -it \ -v /home/john/Codes/Triton:/source \ -w /source \ --runtime=nvidia \ --gpus all \ --name triton \ ubuntu:22.04 \ /bin/bash #docker start triton #docker exec -it triton bash ap