Optimización de rendimiento en Ascend, Biren y Cambricon

Conceptos y métricas de rendimiento

• Latencia, rendimiento (throughput), consumo de energía, utilización de recursos
• Cuellos de botella a nivel de sistema vs. a nivel de modelo
• Análisis para inferencia vs. entrenamiento

Análisis en Huawei Ascend

• Uso de CANN Profiler y MindInsight
• Diagnóstico de kernels y operadores
• Patrones de descarga (offload) y mapeo de memoria

Análisis en Biren GPU

• Funciones de monitoreo de rendimiento de Biren SDK
• Fusión de kernels, alineación de memoria y colas de ejecución
• Análisis con consideración de energía y temperatura

Análisis en Cambricon MLU

• Herramientas de rendimiento BANGPy y Neuware
• Visibilidad a nivel de kernel e interpretación de registros
• Integración del profiler de MLU con marcos de despliegue

Optimización a nivel de grafo y modelo

• Estrategias de poda de grafo y cuantización
• Fusión de operadores y reestructuración del grafo computacional
• Estandarización del tamaño de entrada y ajuste por lotes (batch tuning)

Optimización de memoria y kernel

• Optimización del diseño (layout) y la reutilización de memoria
• Gestión eficiente de búferes entre chips
• Técnicas de ajuste a nivel de kernel por plataforma

Mejores prácticas entre plataformas

• Portabilidad de rendimiento: estrategias de abstracción
• Construcción de tuberías de ajuste compartidas para entornos multichip
• Ejemplo: ajuste de un modelo de detección de objetos en Ascend, Biren y MLU

Resumen y próximos pasos