TorchNeuron 教程：在 AWS Trainium 上进行系统级性能分析（第 1 部分）

这篇教程演示如何在 AWS Trainium 上使用 TorchNeuron 分析 PyTorch 推理性能，并通过性能表和 Neuron Explorer 追踪操作从框架调度到硬件执行的耗时。以 RMSNorm 为例，逐项执行的实现设备耗时为 2,355 µs，torch.rms_norm 为 403 µs，torch.compile 为 376 µs；后两种方式都将计算融合为一次设备调用。