LV.1

zzm0422

31积分0赞

5 帖子 6 回复 0 收藏

TA的动态

TA的帖子

TA的回复

量化和生成离线模型跟CPU架构有关系吗 我的回复：#2HelloAI回复离线模型其实是dump出来的MLU上执行的指令，理论上和生成离线模型过程的CPU架构没有关系，在X86的CPU上，只需要设置core_version为MLU220就可以生成MLU220的离线模型，在任意其他架构CPU上部署。展开离线模型后，是不是没有算子的概念了，如果我开发了新算子，转成离线模型后，可以直接使用吗？和BangC开发算子有什么关系呢？ 0

BANGC编译出错，typedef redefinition with different types 我的回复：#1wuwangdong回复.mlu代码还请提供下#include "mlu.h"#define INPUT_HEIGHT 1024#define OUT_HEIGHT 256#define ROUND 32__mlu_func__ void resize_mlu(int* in_array, int* out_array, uint32_t height, uint32_t width, uint32_t out_height, uint32_t out_width) { int quotient = height / out_height; __nram__ int outputNRAM[OUT_HEIGHT * ROUND / 4]; __nram__ int inputNRAM[INPUT_HEIGHT * ROUND]; __mlu_shared__ int inputSRAM[INPUT_HEIGHT * ROUND * 4]; int size_int = sizeof(int); int all_round = width / (ROUND * taskDim); for (int i = 0; i < all_round; i++) { __memcpy(inputSRAM, in_array + ROUND * (i * taskDim + clusterId * 4) * width, width * ROUND * 4 *size_int, GDRAM2SRAM); __sync_cluster(); __memcpy(inputNRAM, inputSRAM + ROUND * coreId * width , width * ROUND * size_int, SRAM2NRAM); int i_height = ROUND/ quotient; for(int j = 0; j < i_height; j++) { for(int k =0; k < out_width; k ++) { outputNRAM[j * i_height + k] = inputNRAM[(quotient * (j + 1) - 1)* height + quotient * (k + 1) - 1]; } } __memcpy(out_array + ROUND / quotient * (i * taskDim + taskId) * out_width, outputNRAM, OUT_HEIGHT * ROUND / 4 * size_int, NRAM2GDRAM); __sync_cluster(); }}__mlu_entry__ void resize(int *src, int *dst, uint32_t src_height, uint32_t src_width, uint32_t dst_height, uint32_t dst_width){ resize_mlu(src, dst, src_height, src_width, dst_height, dst_width);} 0

如何将CNCodec 解码出来的数据直接给CNCV进行缩放和转换操作？ 我的回复：#5yichuxue回复唉，解决了...您好，这个问题是通过dev到dev解决吗，感谢 0