h5网站开发费用,长尾关键词挖掘精灵,wordpress打开xml-rpc,seo搜索铺文章文章目录 介绍Layergroup调研TVM中的LayergroupTVM Layergroup进一步优化MergeCompilerRegions处理菱形结构TVM中基于Pattern得到的子图TPUMLIR地平线的Layergroup介绍
Layergroup目前没找到严格、明确的定义，因为不同厂家的框架考虑的因素不同，但是基本逻辑是差不多的。一般… 文章目录 介绍Layergroup调研TVM中的LayergroupTVM Layergroup进一步优化MergeCompilerRegions处理菱形结构TVM中基于Pattern得到的子图 TPUMLIR地平线的Layergroup 介绍
Layergroup目前没找到严格、明确的定义，因为不同厂家的框架考虑的因素不同，但是基本逻辑是差不多的。一般来说，Layergroup是一种计算图优化方法，旨在根据约束条件将若干层(算子)组合起来形成一个复合算子以满足后端需要。而计算图分割是针对异构执行环境的计算图优化操作，与Layergroup没有绝对的关系。一般由于专属硬件的资源受限，所以会执行layergroup操作。
这里需要解释以下算子融合和Layergroup的区别。这两者很多时候是被混用的，所以说layergroup没有明确的定义。其实二者还是有差别的。首先，二者的作用都是将计算图中若干连续算子组合为一个大的复合算子，利用局部性原理，提升算子访存命中率，减少输入输出数据访存次数以提高性能。其中，算子融合更侧重于细节的优化，一般会对几个算子先做代数上的融合操作，去掉一些中间变量，简化计算过程等；然后针对代数公式，结合硬件约束优化kernel，比如内存的复用、多线程、流水线等。但是由于硬件的约束，代数上可等价替换的，工程实现上却不容易实现，所以大多数AI框架可以融合的算子并不多。但TVM不同，由于TVM引入了计算调度分离策略以及其强大的Codegen，TVM可以为并不同后端生成较多的融合算子。至于Layergroup，没有太多的代数优化，主要的作用就是根据后端约束(内存占用大小和占用时长)，将若干连续算子封装为一个复合算子，整体只做一次内存读写操作，同时控制了复合算子的大小，降低kernel调用时的负载。layergroup中的算子还是Primmitive级别的，没有被修改。对于Layergroup得到的复合算子，需要Runtime和复合算子库的配合处理。
