深層学習コンパイラスタックと最適化
概要: 深層学習コンパイラのサーベイ論文 The Deep Learning Compiler: A Comprehensive Survey を基に、深層学習コンパイラの典型的なコンパイラスタックと最適化について説明しています はじめに 近年深層学習の目覚ましい進歩が注目を集めています。例えば ChatGPT をはじめとする大規模言語モデルの登場が社会面に大きな影響を与えたことは、記憶に新しいかと思います。 その背後で技術の進展を支えているのが、計算機における計算速度の向上です。深層学習ワークロードは、膨大な計算を必要とします。半導体の微細化がほぼ限界に達し、ムーアの法則の終焉が囁かれる今、ソフトウェアによる計算の高速化が喫緊の課題となっています。 高速化が求められる理由として、深層学習ワークロードにおける計算量の多さが挙げられます。例えば、サイズ 224\ \text{px} × 22
Differentiable Programming for Image Processing and Deep Learning in Halide
Abstract Gradient-based optimization has enabled dramatic advances in computational imaging through techniques like deep learning and nonlinear optimization. These methods require gradients not just of simple mathematical functions, but of general programs which encode complex transformations of images and graphical data. Unfortunately, practitioners have traditionally been limited to either hand-
Hexagon DSP SDK Tools & Resources
Qualcomm Hexagon Product Suite is released as part of the Qualcomm Package Manager, and it bundles a set of tools, software, and documentation designed to assist developers in running applications on Snapdragon devices by utilizing the Hexagon DSP. Starting in 4.x, Hexagon SDK offers a more flexible architecture providing a base SDK, and a number of add-ons to build on top of the Hexagon SDK for s
Halide to FPGA
CPU上でのHalideコード開発の手順はこちらから。 Halideの導入方法やビルド・テスト方法などをご紹介しています。 Halide to FPGAのコンパイルフローも公開しているので、ぜひ参考にしてみてください。 Read More Halide to FPGA とは？ “Halide” は、 Computer Vision と呼ばれる分野でのアプリケーションに特化したドメイン特化型言語 (Domain Specific Language: DSL) です。C/C++ による記述や OpenCV などの外部ライブラリを利用した場合に比べて、短い期間でより高速に動作するコードを記述することが可能です。オリジナルの Halide では、ターゲットデバイスとして x86、ARM、POWER 等のマルチコア CPU に加え、GPU や Xeon Phi といったアクセラレータにも対応していま
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Linux環境でのHalideビルド
