原创力文档摘要
摘要
卷积神经网络作为深度学习中的核心网络结构，广泛应用于图像识别、语音
识别与自动驾驶等领域，其训练与推理速度高度依赖于卷积算子的计算性能。
在国产加速器上，对于相同的卷积参数配置，深度学习数学库通常提供多个高
效的候选算子。然而，由于算子实现方式存在差异，不同算子在相同参数下的
性能可能相差数十倍甚至百倍。因此，如何高效地选择最优卷积算子，提升卷
积神经网络的训练和推理速度，成为亟待解决的重要问题。传统的枚举方法虽
然
摘要
摘要
卷积神经网络作为深度学习中的核心网络结构，广泛应用于图像识别、语音
识别与自动驾驶等领域，其训练与推理速度高度依赖于卷积算子的计算性能。
在国产加速器上，对于相同的卷积参数配置，深度学习数学库通常提供多个高
效的候选算子。然而，由于算子实现方式存在差异，不同算子在相同参数下的
性能可能相差数十倍甚至百倍。因此，如何高效地选择最优卷积算子，提升卷
积神经网络的训练和推理速度，成为亟待解决的重要问题。传统的枚举方法虽
然
文档评论（0）