核心信息
一位开发者让 Claude 将 Trellis.2 完全用 CUDA C++ 实现,相比原始 PyTorch 版本获得 5.3 倍加速。代码已开源,可直接使用或作为 agent 优化模型的参考。
要点
- 比原始 PyTorch 实现快 5.3 倍,且零 Python 运行时(全部为 C++)。
- 瓶颈在于 GLB 导出函数而非神经网络;将导出移至 GPU 带来了最大收益。
- 在比特级一致的前提下仍获得 2.2 倍性能提升。
- 成本:Claude 花费约 7 美元,通过 Hugging Face Jobs 在 H200 上测试的计算费用约 60 美元。