声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：康宇晗, 时洋, 陈照云, 文梅
单位：1.湖南师范大学信息科学与工程学院，湖南 长沙 410081;2国防科技大学计算机学院，湖南 长沙 410073
关键词：深度学习,飞腾迈创,脉动加速器,异构系统,性能优化,
基金：国家自然科学基金（62002366）
为了满足深度学习模型迭代速度快、算力要求高的需求，主流硬件厂商愈发倾向于采用通用处理器+AI专用加速核的异构系统。但是，由于AI专用加速核仅支持部分核心算子，不具备通用编程能力，如何在这样的异构架构上完成深度学习任务的高效部署值得被深入研究。基于国产自研迈创+MatrixZone异构系统平台，设计并实现了深度学习编程框架KaiSa。KaiSa通过分析深度学习模型输入参数，识别算子类型并划分至对应计算核；对于复杂算子，KaiSa基于性能模型自动完成最优分块大小的搜索，提升双核并行计算的性能。同时，为了实现程序的高效率开发，KaiSa屏蔽了所有的底层硬件细节，给用户提供了一个友好的编程环境。实验结果表明，KaiSa可以获得高达39.0%的性能提升。
来源：2023年第7期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。