GPU 与 Triton 入门：从存储层级到第一个 kernel

这个系列讲怎么让 Transformer 训练在 GPU 上跑得更快。这一篇先打基础：介绍 GPU 的硬件，包括数据存在哪几层、一个 SM 里有什么、CUDA 的执行层级怎么对应到硬件；用四个例子介绍 Triton，后面两篇的 kernel 都用它写。TPU 和 GPU 的对照放在。