A. 슈퍼칩 컴퓨팅 파워 하에서 분산 그래디언트 집계의 과제: ReslNet50 단일 반복 20ms 시간이 생성됩니다 심장 제어의 동기화 오버헤드와 빈번한 동기화의 통신 오버헤드. 기존 방법은 3 동기화 완료 A11 Reduce, 데이터 기반 방법 자율성 A11 Reduce, 제어 오버헤드 없음

B. 마인드스포어 칩 중심의 깊이 맵 최적화 기술을 통해 동기화 대기 시간이 줄어들고 "데이터 컴퓨팅 통신"이 극대화됩니다. "신뢰"의 병렬성은 훈련 성능과 비교했을 때 호스트 사이드 뷰 스케줄링 방식은 평평합니다.

C. MindSpore 그래디언트 데이터로 구동되는 적응형 그래프 최적화를 통해 분산 자율성을 실현 A11 Reduce, 그래디언트 집계가 단계적으로 진행되고 계산 및 커뮤니케이션이 완벽하게 간소화되었습니다.

D. 슈퍼칩 컴퓨팅 파워 하에서 모델 실행의 과제: 메모리 벽 문제, 높은 상호작용 오버헤드, 데이터 공급의 어려움. 부분적으로는 호스트 실행, 부분적으로는 장치 실행에서 상호작용 오버헤드가 실행 오버헤드보다 훨씬 더 커서 가속기 점유율이 낮음