英文字典中文字典


英文字典中文字典51ZiDian.com



中文字典辞典   英文字典 a   b   c   d   e   f   g   h   i   j   k   l   m   n   o   p   q   r   s   t   u   v   w   x   y   z       







请输入英文单字，中文词皆可：


请选择你想看的字典辞典：
单词字典翻译
kappen查看　kappen　在百度字典中的解释百度英翻中〔查看〕
kappen查看　kappen　在Google字典中的解释Google英翻中〔查看〕
kappen查看　kappen　在Yahoo字典中的解释Yahoo英翻中〔查看〕

安装中文字典英文字典查询工具!


中文字典英文字典工具:
选择颜色:
输入中英文单字

































































英文字典中文字典相关资料:


  • 深度学习编译器中的Tiling：多级分块、并行映射与向量化
    深度学习编译器里，Tiling 是最核心的优化之一。 矩阵乘、卷积、规约，几乎所有计算密集型算子的性能，都取决于 Tiling 做得好不好。 我们从一个具体的性能问题出发，逐步拆解 Tiling 的原理和实现。 先看一个性能问题
  • 手撕深度学习之CUDA矩阵乘法（下篇）：从Block Tiling到 . . .
    本文是CUDA矩阵乘法系列文章的下篇，主要介绍了4种CUDA矩阵乘法内核的实现及其优化来源，并以一个内核为例详细展示了编写复杂矩阵乘法内核的方法和技巧。 最终本文展示了一种达到cuBlas性能87%的实现。
  • GPU矩阵分块｜让大矩阵运算速度起飞-腾讯云开发者社区-腾讯云
    矩阵分块技术通过将大矩阵拆分为小Tile，优化GPU内存访问效率。 基于加法结合律原理，分块后每个Tile可并行计算，利用CUDA线程块和共享内存加速运算。 Tile Size选择需平衡共享内存容量、线程块限制和矩阵维度整除性，32×32是常见选择。
  • 面试：CUDA Tiling 和 CPU tiling 技术详解
    Tiling（平铺）是一种将大的问题或数据集分解为较小的子问题或子数据集的技术，目的是提高数据局部性和缓存利用率，从而提升程序性能。 在 CUDA 编程中，常见的优化策略包括利用共享内存和循环分块。 共享内存可被一个线程块内的所有线程访问，循环分块则将大循环分解为小循环，减少内存访问冲突，提高内存访问局部性。 例如在矩阵乘法中，可将其分解为多个子矩阵乘法，然后用多个线程块并行计算，最后合并结果。 在 CPU 中，Tiling 用于优化矩阵乘法，将输入矩阵分成小块进行乘法运算，以减少内存访问次数，提高缓存命中率。 适用于大量并行计算需求的场景，如图形处理、深度学习等。 在深度学习的卷积神经网络训练和推理中，可利用其进行矩阵乘法优化。 适用于矩阵乘法运算需求的场景，如科学计算、数值分析等。
  • Tiling策略实现Ascend AI处理器上的高效数据分块与并行计算
    文章详细介绍了智能Tiling引擎设计、内存访问优化方法，以及矩阵乘法等实战案例，并给出自动化Tuning系统的最佳实践。 数据显示，优化后的Tiling技术在不同场景可获得2-8倍的性能提升，为AI计算提供核心加速方案。 _tiling策略
  • Ascend C矩阵编程（高阶API）：矩阵乘的核心逻辑与Tiling策略
    四、总结：矩阵编程的进阶之路 Ascend C矩阵编程的核心是“API调用+Tiling优化”——高阶API帮你快速实现功能，Tiling策略帮你发挥硬件性能。 在实际开发中，需先理解矩阵乘的数学逻辑与硬件特性，再通过Tiling平衡内存与算力，最后通过实践验证优化效果。
  • Triton 手写矩阵乘法：从分块 tiling 到 L2 缓存优化（完整可跑）
    分块 Tiling 是矩阵乘法优化基础 指针广播 是 Triton 最核心的写法 L2 分组调度 能显著提升缓存复用与速度 手写 Triton 算子可在特定场景超越 PyTorch 官方 八、后续可扩展方向 实现 FlashAttention 核心算子 加入 BF16 FP8 混合精度 实现算子融合（MatMul+Add+Norm）
  • AI芯片上矩阵乘的底层优化原理与实现-开发者社区-阿里云
    文章首先介绍了卷积操作如何转化为矩阵乘，接着阐述了矩阵乘的分块（Tiling）技术以适应芯片内存限制，最后总结了几种常见的矩阵乘优化方法，包括循环优化、分块矩阵乘法、SIMD指令优化等，旨在提高计算效率和性能。
  • Ascend C Tiling 策略核心原理解析：数据切分的艺术与科学
    文章系统分析了Tiling的数据结构设计原则、数学基础算法（包括均匀切分和负载均衡优化），并详细阐述了其在矩阵乘法、卷积等场景中的应用策略，展示了Tiling如何通过双缓冲、流水线等技术实现计算与数据搬运的深度协同。
  • GPU性能优化时，Tiling（分块）具体是什么？
    它通过将计算划分为小块，并利用高速片上存储复用数据， 大幅减少昂贵的全局内存访问，是 GPU 高性能计算（HPC）和深度学习推理 训练中不可或缺的优化手段。 记住： 没有 Tiling 的矩阵乘法，在 GPU 上几乎不可能达到理论峰值性能。





中文字典-英文字典  2005-2009