• 

  LV.1 #6 helloworld回复

  #1HelloAI回复

  英伟达的软件那可就复杂了，有支持科学计算的，支持图形处理的，机器学习相关的库只是其中一部分。而寒武纪是专注于机器学习的加速芯片，所以只能拿机器学习相关的库对比了。寒武纪的CNML里边实现了很多深度学习常用的算子，比如Conv，FC，激活之类的，而英伟达的CuDNN也是深度神经网络的算子库，算是对应关系吧。寒武纪也支持自定义算子编程，编程语言叫BangC，配套的CNCC编译器汇编器，对标的是英伟达的CUDA C的NVCC编译器。目前支持编程语言的AI加速器好像也就只有寒武纪和英伟达了吧，别的还没听说。寒武纪二次开发过的框架，可以讲框架原生的模型转换为一个.cambricon模型，然后就可以用CNRT库直接加载部署了，其实有点类似于英伟达的TensorRT，先Build了一个Engine，然后直接用Engine部署。不过背后的优化策略除了一些图融合以为，应该还各有神通。

  展开

  学习了，多谢

  2020-12-21 18:07:15 0| 回复
• 

  LV.2 #5 Anomalocaris回复

  #1HelloAI回复

  英伟达的软件那可就复杂了，有支持科学计算的，支持图形处理的，机器学习相关的库只是其中一部分。而寒武纪是专注于机器学习的加速芯片，所以只能拿机器学习相关的库对比了。寒武纪的CNML里边实现了很多深度学习常用的算子，比如Conv，FC，激活之类的，而英伟达的CuDNN也是深度神经网络的算子库，算是对应关系吧。寒武纪也支持自定义算子编程，编程语言叫BangC，配套的CNCC编译器汇编器，对标的是英伟达的CUDA C的NVCC编译器。目前支持编程语言的AI加速器好像也就只有寒武纪和英伟达了吧，别的还没听说。寒武纪二次开发过的框架，可以讲框架原生的模型转换为一个.cambricon模型，然后就可以用CNRT库直接加载部署了，其实有点类似于英伟达的TensorRT，先Build了一个Engine，然后直接用Engine部署。不过背后的优化策略除了一些图融合以为，应该还各有神通。

  展开

  学习到了，感谢

  2020-12-21 17:52:59 0| 回复
• 

  LV.2 #4 Anomalocaris回复

  #3流水回复

  希望寒武纪官方给出一个比对说明，从底层硬件到上层应用，这样更直观一些

  同意

  2020-12-21 17:39:02 1| 回复
• 

  LV.2 #3 流水回复

  希望寒武纪官方给出一个比对说明，从底层硬件到上层应用，这样更直观一些

  2020-12-21 16:52:43 1| 回复
• 

  LV.2 #2 QiuJiang回复

  如1楼所说，英伟达软件栈十分庞大，不知道你是否了解寒武纪软件栈结构，如果了解，可以针对具体的模块具体提问

  2020-12-21 12:05:48 0| 回复
• 

  LV.3 #1 HelloAI回复

  英伟达的软件那可就复杂了，有支持科学计算的，支持图形处理的，机器学习相关的库只是其中一部分。而寒武纪是专注于机器学习的加速芯片，所以只能拿机器学习相关的库对比了。
  寒武纪的CNML里边实现了很多深度学习常用的算子，比如Conv，FC，激活之类的，而英伟达的CuDNN也是深度神经网络的算子库，算是对应关系吧。
  寒武纪也支持自定义算子编程，编程语言叫BangC，配套的CNCC编译器汇编器，对标的是英伟达的CUDA C的NVCC编译器。目前支持编程语言的AI加速器好像也就只有寒武纪和英伟达了吧，别的还没听说。
  寒武纪二次开发过的框架，可以讲框架原生的模型转换为一个.cambricon模型，然后就可以用CNRT库直接加载部署了，其实有点类似于英伟达的TensorRT，先Build了一个Engine，然后直接用Engine部署。不过背后的优化策略除了一些图融合以为，应该还各有神通。

  2020-12-21 11:48:47 1| 回复

请登录后评论