摘要：
自动驾驶算力效率 特斯拉 Hardware 3.0 的效率之谜 特斯拉在其推出的 Hardware 3.0 自动驾驶平台中，采用自研芯片替代了Nvidia Drive PX2，其理论算力直线提升了 12 倍，而以 MAPS 方式来评估，其真实 AI 性能更是惊人的提升了 21 倍。具体而言，Hard 阅读全文
摘要：
昇腾AI 软硬件全栈平台 阅读全文
摘要：
TVM性能评估分析（七） Figure 1. Performance Improvement Figure 2. Depthwise convolution Figure 3. Data Fusion Figure 4. Data Fusion（2） Figure 5. Shared memory 阅读全文
摘要：
TVM性能评估分析（六） Figure 1. The workflow of development PC, compile, deploy to the device, test, then modify the codes again to see whether it accelerates. 阅读全文
摘要：
TVM性能评估分析（五） Figure 3. A futher speed up with operator fusion Table 1. Performance issue of cuBLAS’ batch matmul Table 2. Finding the best combination 阅读全文
摘要：
TVM性能评估分析（四） Figure 1. Efficient Privacy-Preserving ML Using TVM Figure 2. Motivation: Privacy-Preserving ML Figure 3. Backend Figure 4. Differential 阅读全文
摘要：
TVM性能评估分析（三） Figure 1. TVM’s WebGPU backend close to native GPU performance when deploying models to the web. Figure 2. WebGPU is to write shaders for 阅读全文
摘要：
TVM性能评估分析（二） Figure 1. A bird’s eye view of the µTVM + AutoTVM infrastructure Figure 2. A standard µTVM setup, where the host communicates with the de 阅读全文
摘要：
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 Comp 阅读全文