文件名称：DeepBench:对不同硬件上的深度学习操作进行基准测试
文件大小：1.42MB
文件格式：ZIP
更新时间：2024-06-02 11:18:28
C++
深板凳 DeepBench的主要目的是对对不同硬件平台上的深度学习非常重要的操作进行基准测试。 尽管深度学习背后的基本计算已广为人知，但它们在实践中的使用方式却可能令人惊讶地多种多样。 例如，基于要相乘的矩阵的大小和内核实现，矩阵乘法可以是计算界，带宽界或占用率界。 因为每个深度学习模型都使用具有不同参数的这些操作，所以针对深度学习的硬件和软件的优化空间很大且未指定。 DeepBench尝试回答以下问题：“哪种硬件在用于深度神经网络的基本操作上提供最佳性能？”。 我们在较低级别上指定了这些操作，适合在硬件模拟器中使用，以供针对构建针对深度学习的新处理器的小组使用。 DeepBench包含对于培训和推理都非常重要的操作和工作负载。 DeepBench放在哪里？ 深度学习生态系统由几个不同部分组成。 我们想强调DeepBench在此生态系统中的适合位置。 下图描述了深度学习所涉及的软件和硬
【文件预览】：
DeepBench-master
----.gitmodules(104B)
----results()
--------train()
--------inference()
----code()
--------arm()
--------kernels()
--------nvidia()
--------Makefile(190B)
--------osu_allreduce()
--------amd()
--------baidu_allreduce()
--------intel()
----doc()
--------topology-8gpu-system.png(23KB)
--------baidu-research-logo-small.png(14KB)
--------SparseNN.png(181KB)
--------deepbench.png(189KB)
--------gemm-diag.png(13KB)
----LICENSE(11KB)
----README.md(49KB)
----DeepBenchKernels_inference.xlsx(54KB)
----.gitignore(12B)
----DeepBenchKernels_train.xlsx(49KB)