MindSpore Lite整体架构介绍
2024-08-25 04:12:12
MindSpore Lite整体架构介绍
MindSpore Lite框架的总体架构如下所示:
- 前端(Frontend): 负责模型生成,用户可以通过模型构建接口构建模型,将第三方模型和MindSpore训练的模型转换为MindSpore Lite模型,其中第三方模型包括TensorFlow Lite、Caffe 1.0和ONNX模型。
- IR: 负责MindSpore的Tensor定义、算子定义和图定义。
- Backend: 基于IR进行图优化,包括GHLO、GLLO和量化三部分。其中,GHLO负责和硬件无关的优化,如算子融合、常量折叠等;GLLO负责与硬件相关的优化;量化Quantizer支持权重量化、激活值量化等训练后量化手段。
- Runtime: 智能终端的推理运行时,其中session负责会话管理,提供对外接口;线程池和并行原语负责图执行使用的线程池管理,内存分配负责图执行中各个算子的内存复用,算子库提供CPU、GPU和NPU算子。
- Micro: IoT设备的运行时,包括模型生成.c文件、线程池、内存复用和算子库。
其中,Runtime和Micro共享底层的算子库、内存分配、线程池、并行原语等基础设施层。
最新文章
- Python列表和元组
- suid sgid sbit chattr lsattr
- hive中的全排序
- HDOJ 1995 汉诺塔V
- merge into Oracle里的 saveOrUapdate
- 苹果公司的新的编程语言 Swift 高级语言(十五)--协议
- java线程学习(二)
- Java线程池(ThreadPool)详解
- Java迭代器Iterator
- Spring AOP高级——源码实现(1)动态代理技术
- linux 磁盘管理三部曲——(2)管理分区,文件系统类型格式化
- python-Djando项目搭建
- DBeaver入门
- hdu 3016 Man Down
- php多进程pcntl学习(一)
- 52. N-Queens II(数个数)
- web.xml文件初始化过程
- 02-JVM内存模型:虚拟机栈与本地方法栈
- HDU 1069 Monkey and Banana (dp)
- Little Mathematics Knowledge 数学小常识