当前位置:首页 > 报告详情

基于模型的 GPU 性能估算及其在深度学习运算性能优化上的应用.pdf

上传人: li 编号:29588 2021-02-07 28页 1.10MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了一种基于机器学习的编程框架Woodpecker-AutoSearch,旨在为数学运算和硬件平台寻找最优化的程序设计。与传统优化技术不同,Woodpecker-AutoSearch利用机器自动编写高效程序,而不是由领域专家进行繁琐的手动优化。项目核心是探索机器是否能在编码方面超越人类。文中提到的Halide是一种针对图像处理管道的领域特定语言(DSL)和编译器,它通过分离算法和调度来优化代码。Halide的调度器可以自动进行诸如循环分割、重新排序、展开和存储布局等优化。此外,文中还讨论了遗传搜索算法在硬件优化中的应用,以convolution为例,展示了遗传搜索在优化维度和选择方面的效率。最后,通过实验结果表明,本项目的方法在性能上优于NVIDIA cuDNN和TVM。
"机器学习如何优化硬件设计?" "Halide如何提高GPU编程效率?" "遗传算法在深度学习优化中的应用"
客服
商务合作
小程序
服务号
折叠