RM新时代|官方理财平台

千校萬(wàn)里行活動(dòng)｜開(kāi)源深度學(xué)習編譯器開(kāi)發(fā)課程上線(xiàn)啦

深度學(xué)習編譯器作為深度學(xué)習框架與硬件之間的橋梁，可以?xún)?yōu)化深度學(xué)習模型的計算、內存和存儲資源的使用，提高模型的執行效率和性能；實(shí)現“一次代碼開(kāi)發(fā)、各種算力處理器復用”的目標。在本次課程中，開(kāi)發(fā)者們也將深入了解并掌握“算能深度學(xué)習編譯器開(kāi)源工程——TPU-MLIR”的應用。

開(kāi)源GitHub

GitHub鏈接：

https://github.com/sophgo/tpu-mlir

TPU-MLIR工程的所有代碼都已開(kāi)源，向開(kāi)發(fā)者們提供了一套完整的工具鏈，用于將不同框架下預訓練過(guò)的神經(jīng)網(wǎng)絡(luò )轉化為可以在TPU上高效運算的二進(jìn)制文件 bmodel，而實(shí)現更高效的推理。

課程內容：

一、TPU-MLIR基礎

旨在幫助開(kāi)發(fā)者們掌握開(kāi)發(fā)深度學(xué)習編譯器所需的理論知識，如深度學(xué)習編譯器基礎知識、MLIR的基礎知識，TPU-MLIR的簡(jiǎn)單介紹以及常用量化知識。

二、TPU-MLIR實(shí)戰

對編譯器的整個(gè)實(shí)現流程進(jìn)行了詳細的闡述，包括其中代碼實(shí)現的邏輯。整個(gè)轉換流程包括前端轉換、Lowering、生成bmodel等，同時(shí)也包含了開(kāi)發(fā)者們在實(shí)際操作過(guò)程中需要實(shí)現的新算子添加、模式重寫(xiě)、各種優(yōu)化以及后端算子實(shí)現的詳細講解。

完成本課程的學(xué)習之后，你將能夠掌握以下能力：

  • 熟悉MLIR的基本架構與思想。

  • 熟悉TPU-MLIR對模型的轉換與優(yōu)化流程。

  • 熟悉TPU-MLIR中的量化方法。

  • 了解常用深度學(xué)習框架如ONNX、Pytorch、Caffe等模型結構以及其編譯部署細節。

  • 熟悉在TPU-MLIR中添加新算子以及對其進(jìn)行優(yōu)化的具體實(shí)現流程。

  • 熟悉TPU-MLIR針對不同處理器生成后端算子的流程。

課程網(wǎng)址：

http://m.920lh.com/curriculum/description.html?category_id=9（點(diǎn)擊閱讀原文直達）

深度學(xué)習編譯器TPU-MLIR開(kāi)源任務(wù)

歡迎深度學(xué)習編譯器愛(ài)好者認領(lǐng)TPU-MLIR的開(kāi)源任務(wù)，成為核心開(kāi)發(fā)者，探索無(wú)限可能！

提交GitHub issue認領(lǐng)相關(guān)任務(wù)，代碼被合并就可獲得milkv duo開(kāi)發(fā)板一個(gè)，超過(guò)500行將獲贈BM1684x開(kāi)發(fā)板一個(gè)！

代碼可提交至TPU-MLIR官方倉庫：

?https://github.com/sophgo/tpu-mlir

（任務(wù)已上傳至TPU-MLIR官方倉庫）

?

分享到 ：

最新資訊

RM新时代|官方理财平台