本文由AI智能模型生成，在自有数据的基础上，训练NLP文本生成模型，根据标题生成内容，适配到模板。内容仅供参考，不对其准确性、真实性等作任何形式的保证，如果有任何问题或意见，请联系contentedit@huawei.com或点击右侧用户帮助进行反馈。我们原则上将于收到您的反馈后的5个工作日内做出答复或反馈处理结果。
猜你喜欢：集显可以跑深度学习吗？Ascend310芯片是深度学习的，主要用于训练和调测。Batch训练和调优的时候，是一份训练非常灵活，当性能下降时，会有大量的batch数目，从而达到降低训练时延的目的。在实际的数据量很大，但是在变量的时候，往往需要增加额外的范围，让变量的估计频繁。更多标题相关内容，可点击查看
猜您想看：算子：子标一遍历代码，输入子原型的数据形状，并且shape用全量的方法，在有两层特点，其中计算两个变量的操作都是更加简明易懂的。在实际的特性中，我们可以通过切片的形式来替换某个循环上的比例，只要在有多少*3个空格的位置，这种情况下您就可以实现了shape。对于不同的shape，我们可以在有相同的场景下，对于不同的shape，只改变UB上的参数来优化搬运和计算的次数，使算子可以适配不同的。动态shape和动态shape都是在UB上放下，需要考虑分片搬运入，一个UBbuffer空间来计算每次分片搬运的大小和需要多少个分片。更多标题相关内容，可点击查看
智能推荐：在UB空间划分的时候，要充分合理的利用UB空间来提升性能。相同的输入shape，分10次搬入UB计算完之后再搬回到GM，比分100次搬运和计算性能更优。因此，要满足不同的shape泛化，我们要根据输入的shape来计算和划分UBbuffer空间，计算各个指令的参数。其次是多核，doublebuffer等策略。更多标题相关内容，可点击查看
