征程 6 工具链性能分析与优化 2｜模型性能优化建议

01 引言

为了应对低、中、高阶智驾场景，以及当前 AI 模型在工业界的应用趋势，地平线推出了征程 6 系列芯片。

在软硬件架构方面，征程 6 不仅保持了对传统 CNN 网络的高效支持能力，还强化了对 Transformer 类型网络的支持，主要表现为大幅强化了对逐点计算、数据搬运的能力。基于征程 6 硬件平台的增强和算法移植的痛点，同时坚持 ‘软硬协同’ 的设计理念，征程 6 工具链衍生了诸多新特性。

在 征程 6 工具链性能分析与优化 1｜编译器预估 perf 解读与性能分析 这篇文章中，我们解释了编译器预估 perf 中各个参数的含义以及对性能的初步分析。

本篇文章，我们将基于征程 6 软硬件特性，整理出征程 6 工具链算法优化常用策略。

02 模型性能优化建议

本节将结合笔者在征程 6 工具链参考算法的学习经验，整理常用的性能优化策略。