基本信息

---

下载

文档摘要

---

基于国产加速卡的大规模矩阵乘法优化研究;目录;01;随着人工智能技术的快速发展，矩阵乘法成为许多领域的基础运算。;矩阵乘法是深度学习中的核心运算，加速矩阵乘法能够提升模型训练速度。;国产加速卡在硬件性能上不断提升，但与国外顶尖水平仍有差距。;;02;设$A=(a_{ij})$是一个$mtimesn$的矩阵，$B=(b_{jk})$是一个$ntimesp$的矩阵，定义$A$与$B$的乘积$C=AB$是一个$mtimesp$的矩阵，且$c_{ip}=sum_{j=1}^{n}a_{ij}b_{jp}$。;;矩阵乘法的计算复杂度分析;矩阵乘法在各个领域的应用;03;为提高国内高性能计算水平，减少对国外技术的依赖，我国开始自主研发加速卡。;计算性能;;国产加速卡与矩阵乘法的结合;04;精度优化;对输入数据进行预处理，如矩阵转置、数据对齐等，以提高内存访问效率。;计算资源利用层面的优化;深度学习应用;05;实验环境;选用大规模矩阵乘法运算常用的数据集，如稠密矩阵、稀疏矩阵等。;对比国产加速卡与其他计算设备在大规模矩阵乘法运算中的精度差异。;;06;;提出了一种新的基于国产加速卡的大规模矩阵乘法算法;虽然算法在大多数测试集上表现良好，但在某些极端情况下可能会出现性能下降的情况。;;