Merge pull request #16 from yuudiiii/patch-6

增加了教程运行链接

docs/01-getting-started/tutorials/01-vector-addition.md

@@ -2,6 +2,8 @@
 title: 向量相加
 ---
 
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/YSztKYdMWSL)
+
 在本教程中，你将使用 Triton 编写一个简单的向量相加 (vector addition) 程序。
 
 你将了解：

docs/01-getting-started/tutorials/02-fused-softmax.md

@@ -2,6 +2,8 @@
 title: 融合 Softmax (Fused Softmax)
 ---
 
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/QEhTxGYyzqY)
+
 在本教程中，您将编写一个融合的 softmax 操作，该操作在某些类别的矩阵上比 PyTorch 的原生操作快得多：即那些可以适应 GPU 静态随机存取存储器 (SRAM) 的行。
 
 

docs/01-getting-started/tutorials/03-matrix-multiplication.md

@@ -2,6 +2,8 @@
 title: 矩阵乘法
 ---
 
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/dheUrOfGo5m)
+
 在本教程中，您将编写一个非常简短的高性能 FP16 矩阵乘法内核，其性能可以与 cuBLAS 或 rocBLAS 相媲美。
 
 

docs/01-getting-started/tutorials/04-low-memory-dropout.md

@@ -2,6 +2,8 @@
 title: 低内存 Dropout
 ---
 
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/mkRMwoRH87l)
+
 在本教程中，您将编写一个内存高效的 Dropout 实现，其状态将由单个 int32 seed 组成。这与传统 Dropout 实现不同，传统实现通常由与输入 shape 相同的位掩码张量组成。
 
 

docs/01-getting-started/tutorials/05-layer-normalization.md

@@ -2,12 +2,12 @@
 title: 层标准化
 ---
 
-在本教程中，你将编写一个比 PyTorch 实现运行更快的高性能层标准化 (layer normalization) 内核。
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/EC3Euf81ZW2)
 
+在本教程中，你将编写一个比 PyTorch 实现运行更快的高性能层标准化 (layer normalization) 内核。
 
 在此过程中，你将了解：
 
-
 * 在 Triton 中实现反向传播 (backward pass)。
 * 在 Triton 中实现并行归约 (parallel reduction)。
 

docs/01-getting-started/tutorials/06-fused-attention.md

@@ -2,6 +2,8 @@
 title: 融合注意力 (Fused Attention)
 ---
 
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/om2XKloXGTB)
+
 这是根据 [Tri Dao 的 Flash Attention v2 算法](https://tridao.me/publications/flash2/flash2.pdf)的 Triton 实现。致谢：OpenAI 核心团队
 
 

docs/01-getting-started/tutorials/07-libdevice-tl.extra.libdevice-function.md

@@ -1,6 +1,9 @@
 ---
 title: Libdevice (tl_extra.libdevice) 函数
 ---
+
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/RFagQOhvTsc)
+
 Triton 可以调用外部库中的自定义函数。在这个例子中，我们将使用 libdevice 库在张量上应用 asin 函数。请参考以下链接获取关于所有可用 libdevice 函数语义的详细信息：
 
 * CUDA：https://docs.nvidia.com/cuda/libdevice-users-guide/index.html

docs/01-getting-started/tutorials/08-group-gemm.md

@@ -2,6 +2,8 @@
 title: 分组 GEMM
 ---
 
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/HTr2JbfRjsl)
+
 分组 GEMM 内核通过启动固定数量的 CTA 来计算一组 gemms。调度是静态的，并且在设备上完成。
 
 ![图片](/img/docs/Tutorials/GroupGEMM/09.png)

docs/01-getting-started/tutorials/09-persistent-matmul.md

@@ -2,6 +2,8 @@
 title: 持久矩阵乘法 (Persistent Matmul)
 ---
 
+[在线运行此教程](https://openbayes.com/console/hyperai-tutorials/containers/HMjXImmXZFV)
+
 该脚本展示了使用 Triton 进行矩阵乘法的持久化内核实现 (persistent kernel implementations)。包含多种矩阵乘法方法，例如基础的朴素方法 (naive)、持久化方法 (persistent) 以及基于张量内存加速器（TMA,Tensor Memory Accelerator）的方法。这些内核同时支持半精度浮点数（FP16）和 8 位浮点数（FP8）数据类型，但 FP8 的实现仅在计算能力大于等于 9.0 的 CUDA 设备上可用。
 
 Triton 与 cuBLAS 的具体实现将会在多种各异的配置情形下开展基准测试工作，并通过质子分析器 (proton profiler) 进行评估。使用者可以通过命令行参数灵活指定矩阵的维度和迭代步骤。