Optimización del perfilado en PyTorch (Parte 2): De nn.Linear a un MLP fusionado

La segunda parte de la serie "Profiling in PyTorch" profundiza en la optimización de Multilayer Perceptrons (MLPs) en PyTorch. Explora la transición de operaciones básicas de multiplicación y adición a `nn.Linear` y cómo la fusión de kernels mejora el rendimiento al reducir los viajes de datos a la memoria de alto ancho de banda (HBM). También compara los beneficios de `torch.compile` con el uso de kernels escritos y optimizados manualmente, destacando la diferencia entre la especialización para formas de entrada estáticas y la flexibilidad de kernels pre-optimizados.