摘要：传统的高性能线性代数计算库如BLAS需要开发者具备丰富的性能优化经验,使用困难。TensorFlow、Pytorch等AI框架提供了简单的开发接口,促进了机器学习应用的发展。这些AI框架大量进行线性代数计算,但是不清楚其是否针对线性代数计算进行了性能优化。设计了一组线性代数计算测试程序,评估了AI框架对的线性代数计算的优化程度。分析显示AI框架在计算图模型下可以有效去除冗余子表达式,但仍然缺少自动识别矩阵链最佳括号的相关优化。未来AI框架可以通过吸收现有高性能线性代数加速库的优化技术进一步提升性能。

摘要：面对当今复杂多变的国际环境,数字工程作为确保国防安全的重要工程,其战略高度不断提升。作为数字化技术的集大成者,数字工程在国防装备的设计、生产和制造中占据着举足轻重的地位,决定装备研制的成败。面对机载领域中基于物理实际硬件的仿真验证平台已无法紧跟飞速迭代的智能算法和不断涌现的新型加速器,以及滞后的功能、性能验证和固定的硬件组成对平台的扩展性和灵活性造成束缚的问题。设计并实现了一种基于Gem5的性能数字样机系统,能够缩短机载计算平台设计、研制周期,提前评估系统性能、分析定位潜在的软硬件瓶颈,达到减低研制风险、提高研制效率的目的。

摘要：Chiplets已成为现代芯片设计中的常用方法。Chiplets提高了产量并实现了核心、内存子系统和互连级别的异构性。卷积神经网络(CNN)由于权重越来越大,其对计算、带宽及存储能力都有很高的要求。为了开发基于chiplet的芯片架构,CNN必须在计算资源的调度和工作负载分配方面进行优化。文章提出了一种在线方法Sousuo在chiplet芯片架构上生成和调度并行CNN流水线,Sousuo以计算性能和内存带宽的异构性为目标,通过快速网络探索技术调整流水线调度。比较了模拟退火、爬山优化和Pipe-Search。与其他算法相比,Sousuo的收敛时间平均提高了约35倍。不仅算法速度很快,Sousuo的解决方案通常也优于其他启发式探索算法。