TVM性能评估分析(一)

 

TVM性能评估分析(一)

System Overview

AutoTVM vs Auto-scheduler

 

 

 Table 1. Workflow Comparision

 

 

 Figure 1. Search Process Overview

 

 

 Figure 2. Code Performance Comparision (Higher is better)

 

 

 Figure 3. Search Time Comparision (Lower is better)

 

 

 Figure 4. The expected result of a user's registered lowering function. A lowering function should convert a program using custom datatypes to a program which native TVM can understand and compile (in this case, a call to an external library, taking two uint16_ts).

 

 

 Figure 5. The Original Relay Graph.

 

 

 Figure 6. The Graph with Annotations.

 

 

 Figure 7. After Merging Compiler Regions.

 

 

 Figure 8. After Graph Partitioning.

posted @   吴建明wujianming  阅读(115)  评论(0编辑  收藏  举报
编辑推荐:
· 记一次.NET内存居高不下排查解决与启示
· 探究高空视频全景AR技术的实现原理
· 理解Rust引用及其生命周期标识(上)
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
· 没有源码,如何修改代码逻辑?
阅读排行:
· 全程不用写代码,我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· .NET10 - 预览版1新功能体验(一)
历史上的今天:
2020-05-30 TensorFlow基础剖析
2020-05-30 Caffe框架GPU与MLU计算结果不一致请问如何调试?
2020-05-30 YOLOv5目标检测源码重磅发布了!
2020-05-30 NVIDIA深度学习Tensor Core性能解析(下)
2020-05-30 NVIDIA深度学习Tensor Core性能解析(上)
2020-05-30 Tensor Core技术解析(下)
2020-05-30 Tensor Core技术解析(上)
点击右上角即可分享
微信分享提示