期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于自适应静态数据布局策略的深度学习张量程序自动生成框架
1
作者
樊哲
南子渊
+2 位作者
郝一帆
杜子东
陈云霁
《高技术通讯》
CAS
2023年第11期1160-1171,共12页
如何确定静态数据布局是深度学习张量程序自动生成框架面临的重大挑战。Ansor作为目前应用最广泛、最具前景的此类框架,其根据预先指定的单一静态数据布局策略,训练性能预测模型,依据该模型搜索最佳性能的张量程序。但其存在单一策略非...
如何确定静态数据布局是深度学习张量程序自动生成框架面临的重大挑战。Ansor作为目前应用最广泛、最具前景的此类框架,其根据预先指定的单一静态数据布局策略,训练性能预测模型,依据该模型搜索最佳性能的张量程序。但其存在单一策略非最优和性能预测模型不准确的问题。为此,本文提出基于自适应静态数据布局(AL)策略的深度学习张量程序自动生成框架AL-Ansor。AL-Ansor在搜索过程中自适应地选取多种静态数据布局策略,共同训练性能预测模型,从而搜索得到性能更高的张量程序。本文以32核Intel Xeon CPU为目标硬件平台,在多个卷积层上进行实验,结果表明,在同样的搜索次数下,相较于基于3种指定静态数据布局策略的Ansor,AL-Ansor生成的张量程序分别有13.81%、12.41%和16.59%的平均性能提升。
展开更多
关键词
深度学习
张量程序自动生成框架
静态数据布局策略
自适应策略
性能预测模型
在线阅读
下载PDF
职称材料
题名
基于自适应静态数据布局策略的深度学习张量程序自动生成框架
1
作者
樊哲
南子渊
郝一帆
杜子东
陈云霁
机构
中国科学院计算技术研究所计算机体系结构国家重点实验室
中国科学院大学
出处
《高技术通讯》
CAS
2023年第11期1160-1171,共12页
基金
国家重点研发计划(2020AAA0103802)
国家自然科学基金(61925208,61732020,U19B2019)
+3 种基金
中国科学院战略性先导科技专项(XDB32050200)
中国科学院稳定支持基础研究领域青年团队计划(YSBR-029)
中国科学院青年创新促进会和科学探索奖资助项目
北京智源人工智能研究院以及北京市科技新星计划(Z191100001119093)。
文摘
如何确定静态数据布局是深度学习张量程序自动生成框架面临的重大挑战。Ansor作为目前应用最广泛、最具前景的此类框架,其根据预先指定的单一静态数据布局策略,训练性能预测模型,依据该模型搜索最佳性能的张量程序。但其存在单一策略非最优和性能预测模型不准确的问题。为此,本文提出基于自适应静态数据布局(AL)策略的深度学习张量程序自动生成框架AL-Ansor。AL-Ansor在搜索过程中自适应地选取多种静态数据布局策略,共同训练性能预测模型,从而搜索得到性能更高的张量程序。本文以32核Intel Xeon CPU为目标硬件平台,在多个卷积层上进行实验,结果表明,在同样的搜索次数下,相较于基于3种指定静态数据布局策略的Ansor,AL-Ansor生成的张量程序分别有13.81%、12.41%和16.59%的平均性能提升。
关键词
深度学习
张量程序自动生成框架
静态数据布局策略
自适应策略
性能预测模型
Keywords
deep learning
tensor program automatic generation framework
layout of static/const data
adaptive strategy
performance cost model
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自适应静态数据布局策略的深度学习张量程序自动生成框架
樊哲
南子渊
郝一帆
杜子东
陈云霁
《高技术通讯》
CAS
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
