绑定手机号
确认绑定
-
使用NPPI做YUV->RGB的CSC转换的时候，batch在一起和单独做有什么性能上的区别吗？2020-05-27 10:09:26NVIDIA数据科学家徐添豪: NPPI在GPU上其实是一个CUDA写的库，他在做YUV到RGB转换时，也是调用了CUDA的能力，对于CUDA的计算在batch的情况下，相当于提高了单个问题的计算复...全部回答内容
登录之后查看登录回答
相关问答
-
每次是重现开始新的训练，模型效果会提升
2020-05-27 10:09:27NVIDIA数据科学家徐添豪: 主要有两个点，一是初始化可能导致结果不一样，另一个是现在的框架大多是non-deterministic的，并不能保证每次训练同样的参数同样的过程结果一致... 阅读全文 〉
-
训练模型的时候，发现多次训练，模型的推理能力会有提升，这是偶然事件吗？
2020-05-27 10:09:27NVIDIA数据科学家徐添豪: 如果是模型的效果上，这种情况有可能发生，相当于你的模型可能还没有完全到达训练完成的阶段。如果是计算速度的提升这块，到底是什么场景会导致这一个点，我觉得需要详细的分析一... 阅读全文 〉
-
T4 4卡负载率低的问题如何解决？硬件还是软件？
2020-05-27 10:09:27NVIDIA数据科学家徐添豪: 从软件角度来看，不太确定用的是哪一个框架，不同的框架实现了同一个算法，可能在载率上是不太一样的，可以借助刚才提到的Nsightsystems去分析瓶颈到底出现在哪。如... 阅读全文 〉
-
请问MPS在推理中是否有使用价值，刚在您提到相对多流，性能仅有一点点提升。实际场景中，多流并发处理带来的价值是否更大？
2020-05-27 10:09:27NVIDIA数据科学家徐添豪: 多流在多线程情况下能很好的集成进原来的系统... 阅读全文 〉
-
多进程使用单张T4推理时，是否可以用MPS提升T4利用率和latency性能？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 如果是多进程的情况下，完全可以用MPS来做。对于MPS，我们之前也做过一些类似的对比，MPS的多进程单流会比单进程多流的方式可能性能上会好一些，比latency会稍微... 阅读全文 〉
-
短视频推荐算法引擎应用场景中，如何解决多卡负载利用率低的瓶颈？硬件还是软件优化？举例最好
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 我的理解它是分2块，第一块是在硬件上，就是在CPU和GPU的配比上可以做一些考虑。包括像之前GTC上百度介绍的一些内容，其实会涉及到整个大embedding tabl... 阅读全文 〉
-
量化在nlp问题上应用怎样？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 对于NLP问题，我举一个现在非常火的例子，就是关于BERT的量化。对于这个模型，在现实应用中会有很多的修改，比如说我的层数会比较少，或者检查头数上，以及对应的参数都会... 阅读全文 〉
-
UGC内容视频审核场景下，如何利用T4的新特性提升效率？（如果能用具体算法举例就更好了）
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 从算法的角度来说，主要是通过量化和低精度方面去做软件方面的设计。当然硬件上就是通过T4本身提供的能力来做计算效率的提升。就是T4刚才提到了这样一些新特性，其实这个新特... 阅读全文 〉
-
短视频场景中的广告推荐，如何利用T4的特性来设计和优化算法以提升推理效率？如何有针对冷启动场景的案例就更好了？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 在整个pipeline当中视频会去被模型理解，然后输出一些内容来提供给推荐系统，这样其实就分两部分，一部分是关于视频理解的，可以去做基于T4的推理，然后是关于推荐系统... 阅读全文 〉
-
短视频AI推理, 个人理解有时需要多个模型串联执行,
如何有效做到低延迟？模型部署的时候如何做model accelaration？（硬件还是软件）
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 第一块是当你视频解码出来之后，prime其实可以并发的去做推理，在GPU上做并发，其实一般如果是单进程的程序的话，进程内可以做多流的推理，这时候它在GPU上的执行器是... 阅读全文 〉
-
GPU有没有一些debug技巧
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 借用一些工具Nsight和Nsightcompute来帮助分析workload在哪，如果是调试代码通不通，其实你可以选择像CUDA这样的工具。如果是看GPU的显存泄漏... 阅读全文 〉
-
短视频场景中的AI推理普遍使用什么网络模型？计算瓶颈在哪里？如何观察出该任务的计算瓶颈？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 其实在数据处理时，其他网络结构也会有一些瓶颈，我们可以借助一些工具。对于找到计算的瓶颈，本身CPU上也会有一系列的工具，framework也会提供一系列工具，比如Te... 阅读全文 〉
-
使用T4对这些AI推理模型加速时，对CPU、内存、硬盘和网络带宽有什么依赖要求？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 在做模型推理的时候，首先要考虑CPU和GPU的配比，每个场景的配比都不太一样。在短视频的workload整个pipeline里面有解码，如果CPU资源赋有富裕，那这时... 阅读全文 〉
-
使用T4对这些AI推理模型加速时，采用传统物理机部署和使用云服务器部署，在使用和性能上有什么差异？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 其实现在的很多场景都部署在物理机上，云服务的好处是可以动态的进行资源的申请，这样就不用考虑高峰期的资源复用问题，只需要在高峰时期弹性的申请资源。对于传统物理机的部署的... 阅读全文 〉
-
短视频场景中主流的AI推理模型有哪些？优劣对比怎样？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 刚才我在介绍的过程当中，已经讲了很多关于AI的场景。关于优劣对比，我觉得在对工程化的方法来说没有优和劣，只有最适合，每个模型到底在什么场景下该用什么结构，其实是跟业务... 阅读全文 〉
-
预处理中的的resize有什么比较好的解决办法？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 现在我们在DALI这个库，大家可以去Google下DALI这个库，它里面提供了resize的GPU上的实现，可以尝试使用这个resize。... 阅读全文 〉
-
图像frame如何在内存中高效保存，除了用YUV格式以外有没有更节约内存的格式？
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 当你去用其他格式，一般都是有损做转换，如果你考虑到不进行这种转换的话，可以复用frame的数据，然后尽量在接下来的方法里面完成处理，而不是把它一直存在内存当中。... 阅读全文 〉
-
短视频中如何解决跨机器传输图像frame的问题，压缩太慢，不压缩传输时间太长。
2020-05-27 10:09:26NVIDIA数据科学家徐添豪: 可分这两部分，一个是压缩太慢，在压缩过程中可以去做一些有损压缩，比如说把它存成JPGE，在GPU上已经有相关解决方案，通过NVJPEG可以做JPGE的编码和解码，压缩... 阅读全文 〉