当MindSpore遇到MLIR--MindSpore AKG 2.0最新功能介绍

最新推荐文章于 2024-09-11 17:19:24 发布
最新推荐文章于 2024-09-11 17:19:24 发布
阅读量205 收藏
点赞数 3
文章标签： mlir 学习 人工智能 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Kenji_Shinji/article/details/141261726
版权

昇思MindSpore AKG SIG新选手登场！

8月17日（本周六）14:00-15:00

昇思MindSpore AKG SIG技术分享会

在B站【MindSpore官方】直播间与腾讯会议同步直播

期待你的加入！

本期特邀专家昇思MindSpore AKG SIG Maintainer

昇思MindSpore开发工程师Zichun老师

带你了解图算融合新动向——

话题1：昇思MindSpore和MLIR的融合实践

全面解析MindSpore AKG支持多样性算力的AI编译能力

以及面对动态shape融合、算子编译限制的思路与挑战

话题2：AKG开源实习课题介绍

精讲AKG开源实习活动任务技术要点

聚焦科研领域新技术、新方法

image.png

昇思MindSpore
关注
  • 3
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
mlir-standalone-template:树外MLIR方言模板
05-25
MLIR的树外方言模板 该存储库包含树外方言的模板以及在该方言上运行的独立的类似opt的工具。 如何建造 此设置假定您已在$BUILD_DIR构建了LLVM和$BUILD_DIR并将它们安装到$PREFIX 。 要构建和启动测试，请运行 mkdir build && cd build cmake -G Ninja .. -DMLIR_DIR= $PREFIX /lib/cmake/mlir -DLLVM_EXTERNAL_LIT= $BUILD_DIR /bin/llvm-lit cmake --build . --target check-standalone-opt 要从方言操作的TableGen描述构建文档，请运行 cmake --build . --target mlir-doc 注意：使用CMake构建LLVM时，请确保传递-DLLVM_INSTALL_UTILS=ON ，以
akg：AKG（自动内核生成器）是针对深度学习网络中的运营商的优化器，提供了将操作与特定模式自动融合的功能
02-09
什么是AKG AKG（自动内核生成器）是针对深度学习网络中的运营商的优化程序。 它具有自动将操作与特定模式融合的功能。 AKG与MindSpore-GraphKernel配合使用，可提高在不同硬件后端运行的网络的性能。 AKG包含三个基本的优化模块：标准化，自动调度和后端优化。 正常化。 为了解决多面体（只能处理静态线性程序）表达能力的局限性，首先需要对计算IR进行归一化。 标准化模块的主要优化包括自动内联，循环融合，公共子表达式消除等。 自动排程。 自动调度模块基于多面技术，主要具有自动矢量化，自动平铺，线程/块映射，依赖关系分析和内存提升。 后端优化。 后端优化模块主要包括TensorCore加速，双缓冲区优化，存储平坦化优化和注入同步优化。 硬件后端支持 目前支持GPU V100/A100 。 列表中有更多后端。 建立 用MindSpore构建 有关详细信息，请参见 。 独
欢迎加入昇思MindSpore AKG SIG！打造业界领先的图算融合编译器！
Kenji_Shinji的博客
08-02 529
开发者们往往会根据实际情况选择各种各样的深度学习顶层框架训练模型，例如昇思MindSpore等，再把训练好的模型部署到各种各样的设备后端上，除了刚才提到的昇腾AI处理器外还包括GPU、CPU、FPGA及其它新型的AI加速器。本SIG着眼于昇思MindSpore AKG，充分利用MindSpore AKG在图算融合编译领域的技术沉淀，持续完善软件功能，拓展社区生态，为广大科研人员，老师和学生提供高效易用的图算融合编译器的同时，为这个领域中，有着强大影响力和浓厚的兴趣的人们提供一个能够共同交流合作的平台。
安装AKG
pkapkaever的博客
01-16 432
详情见 https://github.com/mindspore-ai/akg 这里python要7.5.0版本好像 llvm我用的是9.0（貌似） 基于CPU构建 打开akg目录，找到tests目录，先构建环境，这个地方我卡了一下，因为这个路径是临时给创建的一个路径 在这里可以看到路径，复制，加入到自己的环境变量中去 export PYTHONPATH=/home/huangl/program/akg-master/python:/home/huangl/program/akg-master/tes
技术干货 | 基于MindSpore的图算融合探索和实践
Kenji_Shinji的博客
07-05 1023
还记得一年前的MindSpore 0.5版本中，我们怀着忐忑的心情首次发布了图算融合特性，主要支持了昇腾硬件平台。在该版本中，图算融合初步实现了图算一体的DSL表达能力，并打开了图算协同优化的大门。在之后的一年里面，我们持续进行了大量的特性完善和开发增强。随着MindSpore 1.3版本的发布，图算融合刚好满一岁！我们也正好借这个契机跟大家聊一聊图算融合这一年来收获的经验和教训。为什么需要图算融合？包括MindSpore在内的AI框架，不约而同都采用计算图实现网络结构的表达。所以也间接证明了计算图在AI框
华为Mindspore akg运行环境安装记录
momo1994的博客
10-09 370
华为Mindspore akg运行环境安装
mlir-emitc:MLIR EmitC方言
03-18
MLIR发射器 EmitC是用于发出C ++代码的MLIR方言。初始签入的代码是从派生的。 免责声明：这是一个研究项目，不适合日常使用。该代码无需任何支持即可使用。但是，我们欢迎通过问题跟踪器提供任何形式的反馈。 ...
mlir-hlo
03-19
MLIR-HLO：基于MLIR的独立“ HLO”编译器 这里的代码存在于两个地方： ;这是规范的位置，应使用GitHub pull-requests做出贡献。 ;这是一个独立的存储库，具有相同的代码视图，以允许其他项目使用此代码而无需依赖...
mlir-py-release
03-08
MLIR Python发布脚本 该存储库包含需要一起构建的MLIR相关项目的安装和打包脚本。 他们最终可能会去各自的家，但现在一起发展它们会有所帮助。 安装 请注意，这是由社区成员运行的真实MLIR发布过程的原型。 这些绝不...
mlir-graphblas:GraphBLAS的MLIR工具和方言
04-01
"GraphBLAS的MLIR工具和方言"意味着这个项目是将GraphBLAS的概念和操作与MLIR结合，创建了一种特定的MLIR方言，以便于在编译和优化过程中处理图计算。 **描述解析：** 描述中的"用于GraphBLAS + Python工具的MLIR...
新版本v0.5.0-beta解读
weixin_45212921的博客
07-01 318
新版本v0.5.0-beta解读 大家好，每月一次的版本解读又和大家见面。经过一个月的开发，MindSpore发布了v0.5.0-beta版本（后简称0.5版本）。细心的小伙伴是否已经发现版本名称后缀由alpha变成beta了，看来MindSpore框架经过了一段时间的打磨，成熟度及完成度上升了一个小台阶。那么MindSpore在打怪升级之路上的新小小里程碑上又刻有哪些值得关注的TOP特性呢？让我们一睹为快吧。 按照惯例，先上1分钟宣传视频，大家能看出出现了哪些特性么？
53年来国内唯三，MindSpore加速昇腾芯片论文获国际顶会MICRO最佳论文提名
量子位
12-07 209
晓查 发自 凹非寺量子位 报道 | 公众号 QbitAI“研究芯片光砸钱不行，要砸数学家、物理学家。”任正非今年5月在接受《科技日报》专访时如是说。据任正非透露，华为已拥有700多名数...
LLVM-MLIR 学习记录
ewqapple的博客
08-26 297
StableHLO：主要由Google推动，作为MLIR中的一个dialect，目标是提供一个稳定的、长期支持的IR，特别适用于XLA生态系统中的优化和代码生成。StableHLO 和 TOSA (Tensor Operator Set Architecture) 是两个不同的中间表示（IR），它们的确在一些方面有相似之处，但也有各自独特的设计目标和应用场景。TOSA的设计目标是通过减少操作符的数量和简化操作定义，优化编译器实现的复杂性和跨平台的兼容性。它深度集成于XLA编译器中。
UEFI学习笔记（五）：EDK II PCD的概念、类型、使用
qq_44189622的博客
09-11 481
如果在BIOS里面有一些模块是binary方式集成进来的而这些binary又需要用到PCD（用于Binary Release），那么这些Binary集成的要用到的PCD就必须要设置为。PCD的值存在memory里面，下次启动时，上次更改的值丢失了，每次启动都是从default值开始。是存在VPD空间的（在FLASH上，只读），一般是出厂配置。如果platform是从源码build出来的，没有binary在里面的时候，PCD用的都是。作用域在一个模块中（模块级的），可以在Binary Level进行修改。
如何用3个月零基础入门网络安全？_网络安全零基础怎么学习
2401_84466224的博客
09-11 656
我们知道计算机最早是在西方发明出来的，很多名词或者代码都是英文的，甚至现有的一些教程最初也是英文原版翻译过来的，而且一个漏洞被发现到翻译成中文一般需要一个星期的时间，在这个时间差上漏洞可能都修补了。”答案是否定的，黑客用的电脑,不需要什么高的配置,只要稳定就行.因为黑客所使用的一些程序,低端CPU也可以很好的运行,而且不占什么内存.还有一个,黑客是在DOS命令下对进行的,所以电脑能使用到最佳状态!观看学习近十年所有0day挖掘的帖，然后搭建环境，去复现漏洞，去思考学习笔者的挖洞思维，培养自己的渗透思维。
sheng的学习笔记-AI-规则学习（rule learning）
coldstarry的专栏
09-09 996
机器学习中的“规则”(rule)通常是指语义明确、能描述数据分布所隐含的客观规律或领域概念、可写成“若……，则……”形式的逻辑规则。​“规则学习”(rule learning)是从训练数据中学习出一组能用于对未见示例进行判别的规则。一条规则形如：在数理逻辑中“文字”专指原子公式(atom)及其否定。与神经网络、支持向量机这样的“黑箱模型”相比，规则学习具有更好的可解释性，能使用户更直观地对判别过程有所了解。另一方面，数理逻辑具有极强的表达能力，绝大多数人类知识都能通过数理逻辑进行简洁的刻画和表达。
AdaBoost算法（AdbBoost Algorithm）—有监督学习方法、非概率模型、判别模型、非线性模型、非参数化模型、批量学习
最新发布
nanxiaotao的博客
09-11 653
AdaBoost算法（AdbBoost Algorithm）—有监督学习方法、非概率模型、判别模型、非线性模型、非参数化模型、批量学习
【学习笔记】SSL证书之前向保密
Taki_UP的博客
09-10 640
本篇介绍了密码学中前向保密（Forward Secrecy）的相关内容
mlir-shell
01-06
MLIR（Multi-Level Intermediate Representation）是一个用于优化和转换程序的中间表示。mlir-shell是一个用于交互式使用MLIR的命令行工具。它提供了一个REPL（Read-Eval-Print Loop）环境，可以在其中输入MLIR代码并查看结果。 要使用mlir-shell，您需要先安装LLVM和MLIR。根据引用和引用提供的信息，可以使用以下步骤来安装libmlir、libmlir11和mlir： 1. 打开终端或命令提示符。 2. 运行以下命令来安装MLIR的依赖项： ```shell conda install libmlir libmlir11 mlir -c conda-forge ``` 3. 安装完成后，您可以运行以下命令来启动mlir-shell： ```shell mlir-shell ``` 4. 现在，您可以在mlir-shell中输入MLIR代码并查看结果。例如，您可以输入以下代码来打印"Hello, MLIR!"： ```shell print("Hello, MLIR!") ``` 5. 按Enter键执行代码，并查看输出结果。 请注意，mlir-shell是一个交互式工具，您可以在其中逐行输入和执行MLIR代码。您可以使用它来尝试不同的MLIR转换和优化操作。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值