下机器学习PAIblade有针对性优化吗？目前看是触发了broad cast相关的mlir的op
请教一下机器学习PAI针对BatchMatmulV2的输入是[-1,m,k]*[k,n]这种的，blade有针对性优化吗？目前看是触发了broad cast相关的mlir的op
写回答
-
北京阿里云ACE会长您使用的是机器学习PAI中的BatchMatmulV2操作，其中输入形状为[-1, m, k]和[k, n]。您还提到了Blade（PAI的底层执行引擎）是否有针对这种情况的优化。
Blade是阿里巴巴内部的深度学习计算引擎，用于执行机器学习任务。它在底层使用了MLIR（Multi-Level Intermediate Representation）进行图优化和代码生成。在执行批量矩阵乘法操作时，Blade可以根据输入形状进行一些优化。
具体而言，对于形状为[-1, m, k]和[k, n]的输入，Blade可能会触发广播（broadcast）相关的MLIR操作。广播是一种将不同形状的张量自动扩展为相同形状的操作，以便进行元素级别的计算。这有助于使输入张量的形状与BatchMatmulV2操作所需的形状匹配。
Blade的优化策略和实现可能会根据具体的版本和配置而有所不同。它会根据输入的张量形状和计算需求，尽可能地优化执行过程，以提高性能和效率。
2023-08-13 21:28:46赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
