深度学习性能优化工具和实践.PDFVIP

深度学习性能优化工具及实践 何普江 法律免责声明 • 英特尔技术可能需要支持的硬件、特定软件或服务激活。性能会因系统配置的不同而有差异。请咨询您的系统制造商或零 售商。 • 有关性能和基准测试结果的更完整信息，请访问/benchmarks。 • 在性能测试过程中使用的软件及工作负载可能仅针对英特尔微处理器进行了性能优化。 性能测试（如 SYSmark 和 MobileMark ）使用特定的计算机系统、组件、软件、操作和功能进行测量。对这些因素的任何 更改可能导致不同的结果。请参考其他信息及性能测试（包括结合其他产品使用时的运行性能）以对目标产品进行全面评 估。有关更多完整信息，请访问 /performance。 • 所描述的降低成本方案仅用作示例，表明某些基于英特尔的产品在特定环境和配置下会如何影响未来的成本，并节约成本。 具体情况复杂多变。英特尔不保证任何成本和成本的节约。 § 如欲了解更多信息，请访问 /performance。 • 此处提供的所有信息可随时改变而毋需通知。如欲获得英特尔最新的产品规格和发展蓝图，请联系您的英特尔代表。 • 没有任何计算机系统能够做到绝对安全。 • 本文档中涉及的英特尔季度、年以及将来的计划和预期的陈述为前瞻性陈述，存在一些风险和不确定性。英特尔 的SEC 文件（包括 10-K 表格的年度报表）中包含对可能影响英特尔的结果和计划的因素的详细讨论。 • 英特尔、英特尔标志、至强、英特尔博锐、英特尔至强融核、Look Inside. 是英特尔公司或其子公司在美国和/或其他国家 （地区）的商标。 • *文中涉及的其他名称及商标属于各自所有者的资产。 • Microsoft、Windows 和 Windows 标志是微软公司在美国和/或其他国家（地区）的商标或注册商标。 • © 2017 英特尔公司。 内容 • 英特尔® MKL及GEMM函数漫谈 • 英特尔® MKL-DNN及其使用 • 英特尔®发行版Caffe* • 高性能RNN的CPU实现 英特尔® MKL Energy Science Engineering Financial Signal Digital Research Design Analytics Processing Content Creation • 加速机器学习、科学研究、工程、财务和 设计等领域的数学处理 • 包括稠密及稀疏线性代数 (BLAS, LAPACK, PARDISO), FFTs, vector math, summary statistics 等 • 标准API （可以很方便的从其他数学库切 换到Intel® MKL ） • 高度优化（最大限度发挥多核核和 SIMD 指令的优势 ） MKL 2017中的组件 New Fast Fourier Summary Deep Neural Linear Algebra Vector Math And More… Transfor