×

签到

分享到微信

打开微信,使用扫一扫进入页面后,点击右上角菜单,

点击“发送给朋友”或“分享到朋友圈”完成分享

Benchmark Docker 申请流程和使用指南 goodchong2020-07-02 10:51:00 回复 21 查看 云平台
Benchmark Docker 申请流程和使用指南
分享到:

尊敬的客户您好,欢迎试用寒武纪Benchmark Docker。为了更好展示寒武纪AI芯片的强大性能,我们为您准备了这个试用环境。通过这个试用环境中的一系列demo您可以亲身体验寒武纪产品的使用运行。

如果您想了解更多的销售信息请联系我们的销售人员:sales@cambricon.com

1、          申请流程

要试用Benchmark Docker请将以下信息填写后,以邮件形式发送至eco@cambricon.com。请填写真实有效的信息,以确保审核成功后我们能联系到您。(详见附件word表格)

邮件标题:寒武纪云平台企业体验版申请。

表格.docx


image.png

申请通过之后我们会将服务器的登录信息发送到您的申请邮箱中。例如:

登录地址: 120.236.247.203:31843

用户名:root

密码:flzx!@#

服务器创建时间:2020-05-22 09:59

服务器到期时间:2020-05-25 09:59

请注意!账号有效期为3,服务器到期时会自动收回,容器只用于展示Benchmark请勿保存文件

 

2、          使用方法

登录服务器:

首先请使用ssh 客户端登录服务器。

例如:ssh root@120.236.247.203 -p 31843

登录成功之后您将看到如下内容:

image.png

编译demo

请依次执行以下命令。

source env.sh    #设置环境变量

cd samples/

./build.sh        #执行编译脚本

执行demo

source env.sh    #设置环境变量

cd samples/

./run.sh         #执行运行脚本

除了使用以上编译脚本和运行脚本之外,您也可以独立编译和运行每个demo

运行效果示例:

image.png

3、          Demo内容介绍

目录结构:

models/                                                                   包括了以上网络的离线模型

samples/

├─ bangc

      ├── mlu_bangc_gemm               矩阵乘的BANG C实现

      ├── mlu_bangc_topk                   topk BANG C实现

├── bert                                                           BERT网络的BANG C实现

├── classification                                          常用分类网络的离线模型和程序

├── ssd                                                            SSD检测网络的离线模型和程序

└── yolo_v3                                                   YOLOv3 检测网络的离线模型和程序

image.png

运行输出内容:

mlu_bangc_topk 输出内容:

data type:  输入数据类型, 包括了Float16 Float32

input N,C,K N batchsize, C 是输入长度, KTopk所要的找的K个最大的元素。

core number 运行时MLU调用到的核数。

time consume 总的MLU硬件计算时间。

test result CPU的比较结果。

 

mlu_bangc_gemm输出内容:

input data type: 输入数据类型。

output data type:  矩阵乘结果的输出数据类型。

input M,N,K: 输入数据规模, 左矩阵规模M * K, 右矩阵规模K * N

core number: 运行时MLU调用到的核数。

abs diff rate: CPU计算结果的比较。具体的误差计算公式:sum(abs(mlu[i] - cpu[i]))/input_length

time consume: 总的MLU硬件计算时间。

 

bert 输出内容:

batch size: 输入的batch size

seq length: 输入句子的长度。

start logits diff:  start logitsCPU相比的计算误差。

end logits diff: end logits CPU相比的计算误差 对于问答类任务,需要2logit:一个用于开始位置,一个用于结束位置。 根据这2logit,您有一个答案范围(以开始/结束位置表示)。

SQuAD Test: 基于SQuAD (The Stanford Question Answering Dataset.) 的测试结果

latency(ms): 总的MLU硬件计算时间。

Throughput(sentences/second): SQuAD测试的吞吐量。

 

classification输出内容:

network name: 离线模型名字。

top1:基于500magenet图片的top1推理精度。

top5:基于500magenet图片的top5推理精度。

fps:每秒推理帧数。

 

ssd 输出内容:

network name: 离线模型名字。

mAP: 基于1000VOC2012图片的SSD推理mAP

fps: 每秒推理帧数。

 

yolo_v3 输出内容:

network name: 离线模型名字。

mAP: 基于1000COCO图片的YOLOv3推理mAP

fps: 每秒推理帧数。


版权所有 © 2024 寒武纪 Cambricon.com 备案/许可证号:京ICP备17003415号-1
关闭