进行中

昇腾 NPU 内核优化基准 AscendGYM 发布

报道
1
信源
1
首次报道
11/18 08:00
最近更新
11/18 08:00

AscendGYM 作者团队发布面向昇腾 NPU 真实负载的内核优化基准 AscendGYM,初始套件含 48 个内核,分三个难度等级。每个内核配套的测试用例,其数据类型与张量形状取自真实训练和推理任务。 该基准支持模型评估与 model-harness 评估两种模式,并提出兼顾加速比与 token 成本的 Speedup-Token Score(STS)指标。代码已在 GitHub 的 SLAI-AITP/AscendGYM 仓库公开。

最新进展AscendGYM:面向 Ascend NPU 真实负载的代价感知内核优化基准

热度48 小时内每个独立信源只算一次,24 小时减半

48 小时参与信源
1
6 小时新加入
0
24 小时新报道
1
热点排名
—

热度曲线会在事件持续一段时间后出现。

事件进展1 个阶段

  1. 发布 Ascend NPU 内核优化基准 AscendGYM

    Hugging Face 每日论文 等 1 篇报道

全部报道1 篇

  • AscendGYM:面向 Ascend NPU 真实负载的代价感知内核优化基准

    AscendGYM 是面向 Ascend NPU 的内核优化基准,初始套件含 48 个内核、分三个难度等级,测试用例的数据类型与张量形状取自真实训练和推理任务。它支持模型评估与 model-harness 评估两种模式,并提出兼顾加速比与 token 成本的 Speedup-Token Score(STS)指标。

    Hugging Face 每日论文

#部署工程#数据与训练#论文研究#评测基准