代码拉取完成,页面将自动刷新
实习期间的个人日志
测试人员会在芯片上运行很多深度学习模型(AI在各个的应用场景下的代表模型),比如ResNet、Bert、Fast-R-CNN等,影响模型的运行结果有很多,比如在不同的Batchsize、不同的架构(Tensorflow、PaddlePaddle、Keras等)以及不同的数据精度(int、Float32、Float64等)下会有不同的性能,表现为QPS、Latency等指标的波动,这些叫做MLperf推理(MLPerf™ Inference)。我们需要把每日的推理数据记录下来,并进行数据可视化,以便开发人员分析产品性能。与我们类似的有戴尔实验室(DELL MLPerf™ Inference),但我们推理的对象是自研昆仑系列芯片。
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。