V
主页
计算图优化策略!【推理引擎】离线转换与优化系列第05篇
发布人
【推理引擎】离线转换与优化系列第05篇:计算图优化策略! 推理引擎中的计算图优化,更多是基于一系列预先写好的模板,减少转换模块生成的计算图中的冗余计算,比如 算子融合、算子替换、算子前移、去除冗余节点等。
打开封面
下载高清视频
观看高清视频
视频下载器
深入GPU原理:线程和缓存关系【AI芯片】GPU原理01
模型压缩架构和流程介绍!量化/剪枝/蒸馏/二值化4件套!【推理系统】模型压缩第01篇
低比特量化基本原理!【推理引擎】模型压缩系列第02篇
Kernel优化架构介绍!【推理引擎】Kernel优化第01篇
为什么AI框架都用计算图?什么是计算图?到底计算图有什么用?【计算图】系列第二篇
分布式训练、分布式集群的基础介绍!【分布式集群】第01篇
离线转换模块架构与流程!【推理引擎】离线转换系列第01篇
GPU硬件架构与CUDA如何对应?【AI芯片】GPU架构01
PyTorch数据并行怎么实现?DP、DDP、FSDP数据并行原理?【分布式并行】系列第02篇
知识蒸馏原理介绍!知识从哪里来怎么蒸馏?【推理引擎】模型压缩系列第06篇(上)
算子融合/算子替换/算子前移优化!【推理引擎】离线优化第03篇
大模型为什么需要微调?有哪些微调方式?#大模型 #微调
卷积优化:Im2Col算法和组合优化算法【推理引擎】Kernel优化第03篇
为什么AI训练使用GPU而不是CPU?【AI芯片】GPU原理02
什么是推理系统?推理有哪些应用?【推理系统】系列01篇
推理引擎架构介绍!MNN、TF Lite、TensorRT介绍!【推理系统】系列05篇(上)
推理系统架构和Trition架构介绍!【推理系统】系列04篇
分布式并行策略基础介绍!【分布式并行】系列第01篇
Flash Attention原理!数据布局转换与内存优化!【推理引擎】离线优化第04篇
NVIDIA英伟达Tensor Core基本原理(上)【AI芯片】GPU架构04
推理引擎架构!MNN、TensorRT架构介绍!【推理系统】系列05篇(下)
int8/fp16/bf16/tf32在AI芯片中什么作用?【AI芯片】AI计算体系06
推理系统和推理引擎的不同之处在哪?【推理系统】系列02篇
如何计算模型参数量?什么是FLOPS和MACC?【推理系统】模型小型化第01篇
AI芯片涉及哪些知识?【AI芯片】内容简介
QNNPack之间接优化算法【推理引擎】Kernel优化第05篇
模型剪枝核心原理!模型剪枝算法和流程介绍!Model Pruning深度解析【推理引擎】模型压缩系列第05篇
为什么大模型都用Transformer结构? #AIInfra #大模型 #Transformer
大模型整体架构、大模型全流程介绍 #大模型 #AI系统
大模型训练需要多少GPU?大模型显存怎么算? #大模型 #AI系统
为什么需要AI编译器?跟传统编译器啥关系吗?【AI编译器】系列第一篇
深入NVLink原理:内部结构与组网拓扑【AI芯片】GPU详解05
NVIDIA十代GPU架构回顾(从Fermi费米到Volta伏特)【AI芯片】GPU架构02
大模型是怎么训起来的?分布式并行框架介绍 #大模型 #分布式并行 #训练
向量数据库介绍,Vector和Embedding关系 #大模型 #向量数据库
常量折叠与冗余节点消除优化!计算图优化Details!【推理引擎】离线优化第02篇
模型转换技术细节!【推理引擎】离线转换系列第04篇
训练后量化PTQ深度解读!与量化部署核心原理!【推理引擎】模型压缩系列第04篇
LLVM架构了解下?为什么LLVM这么火?一起初体验实操LLVM【AI编译器】系列第四篇
CNN模型小型化原理!SqueezeNet/ShuffleNet/MobileNet系列介绍!【推理系统】模型小型化第02篇