在《高性能计算》综合课程中担任项目负责人，带领三人小组用C++实现矩阵乘与卷积算子，依次完成朴素循环、分块访存优化和OpenMP多线程三个版本。我在示例大学实验集群单节点八核环境、固定输入规模下设计对照实验，记录各版本耗时与加速比，分块加多线程版本相较朴素实现取得明显加速。我负责性能剖析与瓶颈定位，输出完整性能分析报告和可复现实验脚本，并在小组答辩中主讲优化思路，项目获课程优秀评价。

独立开发一个面向PyTorch模型的推理性能分析工具，用Python封装推理计时与显存统计逻辑，支持批量输入、多次预热后取均值以及固定随机种子复现实验。我在个人笔记本单卡环境下对比不同batch size的时延与吞吐变化，自动生成可视化报告，并整理为可复用命令行工具开源在个人仓库。项目加深了我对推理流程、性能口径与显存占用的理解，也为后续学习推理引擎调度与算子融合打下基础。