- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习那些事儿
图像、神经网络优化利器:了解Halide
而另外一个方面就是算法中计算顺序的组织，而Halide可以改变的就是我们算法在某个硬件平台上的计算顺序： 其中Halide可以在硬件平台上为算法实现并行和良好的缓存一致性： 举个例子 我们以Halide #include "Halide.h" #include <stdio.h> #include <algorithm> using namespace Halide; 初次使用Halide之前，首先需要知道 首先表明这个原因与halide本身的设计无关，但是与halide优化和神经网络算子的兼容性有关，如果想要利用halide真正的实现加速还是需要等待一段时间了。 Halide的利用范围很广，我之所以想要深入了解Halide是因为使用了TVM库，TVM借助了Halide的思想去实现神经网络算子的优化并且取得了不错的效果。 /14_Halide_print.pdf Halide的官网： https://halide-lang.org/
1K40编辑于 2023-10-19 - 来自专栏OpenMMLab
部署神器 Halide：零基础实现高性能算法
Halide 提供了一种方案。 下图将 Adobe 产品中的算法与 Halide 的实现进行比较： Halide 仅用 60 代码，就可以超过 Adobe 的专家花费 3 个月优化的算法，并且可以轻松地移植到 GPU 上，给算法开发带来了很多便利 下面我们就来正式学习下 Halide DSL 的语法。 要使用 Auto Scheduler， 我们需要一个生成器，这个生成器继承自 Halide::Generator 模版类，有两个可以实现的接口： Generate 使用 Halide DSL 进行算法的功能实现 Default Halide 最初提供的自动调优方式是一种基于遗传算法的方法。
1.5K20编辑于 2022-12-30 - 来自专栏BestSDK
Hexagon DSP 发布SDK 3.3.2，打造全新神经网络库
为您提供了Halide工具。 如果您开发相机和图像项目，可能听说过或使用过Halide，实现高性能视觉和成像算法。 我们认为Halide和Hexagon是绝佳搭配，所以我们联合Google一起为HVX构建了一个Halide工具集。 以下是我们为您提供的工具： •Halide编译器——作为Hexagon SDK 3.3.2和Hexagon LLVM工具集的一部分，Halide工具集提供了一个针对Hexagon DSP和HVX的Halide •Halide简洁性——我们自己在Qualcomm骁龙835和845移动平台设备上进行的图像处理测试中，首先从一个大约有175行汇编代码的高效算法开始。 最后，我们使用Halide重写，不到二十几行代码，获得和汇编代码相同的性能。 当然了实现情况因人而异，但如果您喜欢编码紧凑，Halide也许是您的菜。 5. 不用编写自己的神经网络库。
2.6K60发布于 2018-03-02 - 来自专栏机器之心
业界 | Facebook发布Tensor Comprehensions：自动编译高性能机器学习核心的C++库
早期研究 近期，高性能图像处理领域中一种语言逐渐开始流行，即 Halide。 Halide 使用类似的高级函数式语法描述图像处理流程，接着在独立的代码块中，将其明确调度到硬件上，详细说明操作是如何被平铺、矢量化、并行化和融合的。 对于具有架构技能的人来说，Halide 是一个非常有生产力的语言，但是却难以为绝大多数机器学习从业者所用。 Halide 的自动调度是一个活跃的研究领域，但对于 GPU 上运行的 ML 代码还没有很好的解决方案。 ? Tensor Comprehension 将 Halide 编译器作为所要调用的库。 Tensor Comprehensions 使用 Halide 和多面编译（Polyhedral Compilation）技术通过委托内存管理与协调自动合成 CUDA 内核。
1.5K80发布于 2018-05-10 - 来自专栏AI研习社
FAIR 开源 Tensor Comprehensions，让机器学习与数学运算高性能衔接
这一开源包含了： 用简单语法表达一系列机器学习概念的数学符号 基于 Halide IR 数学符号的 C ++前端 基于整数集库（ISL）的 Just-in-Time 编译器， 一个基于进化搜索的多线程、 多 GPU 自动调节器 早期工作 Halide 是一种最近在高性能图像处理领域颇受欢迎的语言，它采用类似的高级函数语法来描述一个图像处理的 pipeline，随后在单独代码块中调度到硬件上，并且详细到如何平铺 Halide 的自动调度在研究上非常活跃，但对于 GPU 上运行的机器学习代码，目前还没有很好的解决方案。 ? Tensor Comprehension 将 Halide 编译器作为调用库。 FAIR 研究员构建了 Halide 的中间表征（IR）和分析工具，并与多面编译进行技术配对，因此，用户可以在无需理解运行原理的条件下使用相似的高级语法编写层。 使用 Halide 和多面编译技术，Tensor Comprehensions 能通过委托内存管理和同步功能以自动合成 CUDA 内核。
1.1K80发布于 2018-03-16 - 来自专栏新智元
【AI大红包】Facebook发布张量理解库，几分钟自动生成ML代码
（JIT）编译器 基于进化搜索的多线程、多GPU自动调节器 使用高级语法编写网络层，无需明确如何运行 最近在高性能图像处理领域很受欢迎的一门语言是Halide。 目前有很多研究积极关注Halide的自动调度（Automatic scheduling），但对于在GPU上运行的ML代码，还没有很好的解决方案。 ? Tensor Comprehensions使用Halide编译器作为库。 在Halide的中间表示（IR）和分析工具的基础上，将其与多面体编译技术相结合，使用者可以用类似的高级语法编写网络层，而无需明确它将如何运行。 Tensor Comprehensions使用Halide和Polyhedral Compilation 技术，自动合成CUDA内核。
926150发布于 2018-03-20 - 来自专栏量子位
Facebook发布张量理解库，自动编译高性能机器学习核心
这一版本的Tensor Comprehension包含： 能用简单语法表达一系列机器学习想法的数学符号； 基于Halide IR的，表达这些数学符号的C++前端； 一个基于整数集库（ISL）的多面即时（ Tensor Comprehension将高性能图像处理领域的流行语言Halide的编译器作为一个库，建立在Halide的中间表示（intermediate representation，简称IR）基础上 通过Halide IR和polyhedral compilation的结合，Tensor Comprehension通过委托内存管理和同步功能自动合成CUDA核。
1.2K60发布于 2018-03-20 - 来自专栏AI系统
【AI系统】计算与调度
现在以 Halide 为例。Halide 的独特之处在于将算法定义和如何组织计算两个过程独立。其作为一种强大的编程工具，能让图像处理程序变得更简单，但性能却比之前的手动调优方法快很多倍。 在 Halide 中计算定义了如何生成输出图像像素的方式，可以包括简单的像素级操作、复杂的算法表达式以及各种变换和滤波操作。 并且 Halide 提供了丰富的调度器来帮助用户优化他们的计算图，包括并行化、向量化、内存布局优化等技术，使得用户可以更灵活地控制计算的执行方式。 Halide 将计算与其实现解耦合，可以更加高效的设计算法的具体执行过程，使得用户可以专注于底层加速。 调度变换的方式Halide 调度变换在调度中可以使用许多优化手段，这些方式可以通过变换调度树来体现。
59810编辑于 2024-11-29 - 来自专栏AI科技大本营的专栏
关于深度学习编译器，这些知识你需要知道
Halide Halide于2012年提出，主要用于自动优化。其嵌入到C++中，是MIT研究人员专门为图像处理设计的一种程序语言。 Halide语言易于编写，语法简单，数据结构清晰，能过自动对代码进行优化，使得程序获得比较好的执行效率。 它设计的核心思想是把算法和调度分离。 Halide于2012年提出，主要用于自动优化。其嵌入到C++中，是MIT研究人员专门为图像处理设计的一种程序语言。 Halide语言易于编写，语法简单，数据结构清晰，能过自动对代码进行优化，使得程序获得更好的执行效率。 它设计的核心思想是把算法和调度分离。
1.8K20发布于 2021-03-12 - 来自专栏GiantPandaCV
深度课堂：全角度解读神经网络编译器
下文将介绍几个相关的开源项目：TVM，Halide，AutoKernel。 二、TVM的前世今生 在编译器快速发展的浪潮中，较为突出的便是TVM（Tensor Virtual Machine)。 三、Halide Halide于2012年提出，主要用于自动优化。其嵌入到C++中，是MIT研究人员专门为图像处理设计的一种程序语言。 Halide语言易于编写，语法简单，数据结构清晰，能过自动对代码进行优化，使得程序获得比较好的执行效率。 它设计的核心思想是把算法和调度分离。 Halide于2012年提出，主要用于自动优化。其嵌入到C++中，是MIT研究人员专门为图像处理设计的一种程序语言。 Halide语言易于编写，语法简单，数据结构清晰，能过自动对代码进行优化，使得程序获得比较好的执行效率。 它设计的核心思想是把算法和调度分离。
2.2K10发布于 2021-03-09 - 来自专栏深度学习和计算机视觉
解析卷积高速计算中的细节，有代码有真相
Halide 这里讨论的许多优化都需要在底层使用神秘的C语法，甚至是程序集进行干预。这不仅使代码难以阅读，还使尝试不同的优化变得困难，因为我们必须重新编写整个代码。 Halide是c++中的一种嵌入式语言，它帮助抽象这些概念，并被设计用来帮助编写快速图像处理代码。通过分解算法(要计算什么)和计划(如何/何时计算)，可以更容易地试验不同的优化。 我将使用Halide来表示这些较低级别的概念，但是你应该能够理解足够直观的函数名，以便理解。 : Halide::Buffer C, A, B; Halide::Var x, y; C(x,y) += A(k, x) *= B(y, k); // loop bounds, dims, 这是来自Halide 的一个更仔细优化的策略。
1.6K20发布于 2019-09-10 - 来自专栏贾志刚-OpenCV学堂
如何实现高速卷积？深度学习库使用了这些「黑魔法」
Halide语言 本文讨论的优化有时需要使用C语法甚至汇编语言这类底层的低级语言。这会影响代码的可读性，还会使尝试不同优化方法变得困难，因为它需要重写全部代码。 Halide是一种嵌入到 C++ 中的语言，它可以帮助抽象概念，旨在帮助用户写出快速的图像处理代码。 它可以分离算法（需要计算的东西）和调度策略（如何计算算法以及何时计算），因此使用Halide试验不同优化方法会更加简便。我们可以保持算法不变，试用不用的调度策略。 本文将使用Halide语言展示这些低级概念，但是你需要首先了解函数名称。 从卷积到矩阵相乘 上文讨论的朴素卷积已经够慢了，本节要介绍的实现则更加复杂，它包含步幅、扩张、填充（padding）等参数。 语言： Halide::Buffer C, A, B; Halide::Var x, y; C(x,y) += A(k, x) *= B(y, k); // loop bounds, dims, etc
1.3K30发布于 2019-09-25 - 来自专栏AI科技评论
将矩阵乘法的性能提升200倍！AutoKernel算子优化工具正式开源
简单易用: 提供docker环境，无需安装环境，plugin一键集成到推理框架Tengine 高效率: 无需手写优化汇编，一键生成优化代码，一键部署 AutoKernel使用业界广泛使用的自动代码生成项目Halide AutoKernel使用的Halide是如何实现自动优化的呢？ 用Halide语言直接描述GEMM的计算过程。 AutoKernel/doc/tutorials/data# ./06_build.sh 2step = 2M N K = 640 640 640 err 0.00 [rep 50] halide
1.5K20发布于 2020-12-18 - 来自专栏机器之心
浙大校友李旻辰获SIGGRAPH 2021最佳博士论文奖，连续四年华人学者包揽此奖项
Jonathan 最闻名的是他在编程语言 Halide 及其编译器方面的工作，Halide 专为编写数字图像处理代码而设计，已成为计算摄影和图像处理的行业标准。性能一直是计算机图形的核心。 通过将算法与其优化方式完全分离，Halide 可以更轻松地实现高性能，用 Halide 编写的代码往往比 C 代码简洁得多，并且在各种处理器上的运行效率都更高。 Halide 在行业中产生了重大影响，包括为大部分安卓相机应用程序提供支持，并为 Adobe Photoshop iPad 应用程序成为可能发挥了关键作用。 杰出服务奖 Marc J.
60720编辑于 2023-03-29 - 来自专栏Python数据科学
Python并不完美，Swift正在成长为深度学习语言
想象一下，如果能够基于数据使用深度学习来帮助优化低层的内存分片算法（这正是 Halide 语言想要实现的功能），会怎么样？ 有关 Halide 语言的更多信息：https://www.youtube.com/watch?v=3uiEyEKji0M。这还仅仅是个开始，机器学习在编译器中更多有创意的应用正在路上！
59630发布于 2019-06-14 - 来自专栏机器之心
Python并不完美，Swift正在成长为深度学习语言
想象一下，如果能够基于数据使用深度学习来帮助优化低层的内存分片算法（这正是 Halide 语言想要实现的功能），会怎么样？ 有关 Halide 语言的更多信息：https://www.youtube.com/watch?v=3uiEyEKji0M。这还仅仅是个开始，机器学习在编译器中更多有创意的应用正在路上！
76120发布于 2019-06-14 - 来自专栏AI科技大本营的专栏
推荐 | 机器学习开源项目 Top 10
张量生成式(简称TC)是一个多功能的C++库，利用Halide、ISL、NVRTC和LLVM框架，它能够自动合成高性能的机器学习内核。
73780发布于 2018-04-26 - 来自专栏目标检测和深度学习
推荐 | 机器学习开源项目 Top 10
张量生成式(简称TC)是一个多功能的C++库，利用Halide、ISL、NVRTC和LLVM框架，它能够自动合成高性能的机器学习内核。
1.8K20编辑于 2022-03-04 - 来自专栏安智客
Android 8.1版本会吸引更多的小伙伴们玩人工智能吗？
为了避免这种情况，IPU利用定制的语言来减轻开发人员和编译器的负担：用Halide来进行图像处理，用TensorFlow处理机器学习。Google还定制了一个编译器，用来优化底层硬件的代码。 ?
793100发布于 2018-02-24 - 来自专栏机器之心
教程 | 如何通过PyTorch上手Tensor Comprehensions？
TC 依赖于大型 C++ 项目，如 Halide、Tapir-LLVM 及 ISL。因此，我们使用 Anaconda 来可靠地分配这些依赖。因此 TC 不提供 PyPI 安装包。 2. TC 语言快速入门 TC 符号关注层的数学本质，将性能优化交给使用 Halide 和 polyhedral 编译技术的后端代码，这些技术累积了数十年来最先进的 Loop Nest Optimization
1.5K70发布于 2018-05-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号