requirement

1.具备手写CUDA Kernel的能力，对CUDA编程原理有着清楚的了解，

比如block/grid/thread/stream/warp divergence//bank conflict，对GPU访存开销有着清晰的认识和了解；熟悉CUDA工具链，比如nvprof，TensorRT，cuDNN，cuBlas等。

2.了解编译优化原理，能够为主流DL框架添加新硬件设备的可执行代码。

对基于计算流图的优化原理有一定了解和认识。

3.了解XLA HLO，NNVM，ngraph等DL Intermediate Representation表示，具备跨多

个DL框架对比工作的能力。

4.对常用DL模型有深入的理解和认识，比如CNN/FCN/RNN/Attention等。

能够结合具体模型特点，propose特定的性能优化方案，可以结合具体业务

场景对模型进行调整以更好地适配底层计算硬件的特点。

5.熟悉常见DL分布式加速策略及技术，比如计算与通信overlap，环状通信，异步SGD等，愿意跨越系统边界，结合模型角度来思考DL优化策略。

6.熟悉常用DL 模型压缩技术，比如量化，稀疏化，卷积核拆分等，知道如何结合模型剪枝策略与系统底层优化技术来获得Inference加速效果，而非仅执一端。