中南赛区 赛题NEW

卷积算子优化

卷积神经网络(Convolutional Neural Network, CNN)是一类常用的深度学习模型,在计算机视觉、自然语言处理等领域广泛应用。卷积算子是CNN的重要组成部分,用于提取图像、文本等数据中的特征。 卷积运算是深度学习中常用的操作之一,但是由于其计算量较大,在大型神经网络中可能成为性能瓶颈,导致训练时间过长。因此,为了提高卷积运算的计算效率,需要通过并行编程等技术手段进行优化。

了解详情

光源预训练模型积分赛

先导杯面向全国开发者发起光源预训练模型积分赛,旨在鼓励开发者了解国产GPU加速卡,参与和贡献预训练模型开源项目,为国内预训练模型社区添砖加瓦。

了解详情

AI 辅助燃烧模型调优

燃烧的数值模拟属于计算流体力学中的化学反应流动数值模拟的一部分,在 CFD(Computational Fluid Dynamics)的程序中需要将流动与化学反应解耦推进,且由于燃烧中的化学反应速率较快,各个基元反应的特征时间步长在量级上差别极大,化学反应的求解刚性较强,往往需要在一个流动时间步内推进数十步化学反应步,由此带来计算耗时的大量增加。

了解详情

图卷积神经网络推理优化

图卷积神经网络(Graph Convolutional Network,GCN)是一种基于图数据的神经网络模型,它能够有效地捕捉图中的结构和特征信息。GCN由于其简洁的设计和强大的性能,已经在多个领域得到了广泛的应用,例如交通预测、蛋白质性质预测、推荐系统等。因此,提高GCN的推理速度对于促进相关领域的发展和改善人们的生活质量具有重要的价值。

了解详情

全国高级赛 赛题NEW

矩阵奇异值分解赛题

奇异值分解(SVD)是一种强大的计算工具。获得一般矩阵的奇异值分解的现代算法对科学和工程学科的许多应用产生了深远的影响。奇异值分解通常用于求解无约束线性最小二乘问题、矩阵秩估计等。在实际应用中,它通常应用于图像压缩、信息检索、地震反射层析成像和实时信号处理等领域。奇异值分解在机器学习领域也有广泛应用,它不光可以用于降维算法中的特征分解,还可以用于推荐系统,以及自然语言处理等领域,是很多机器学习算法的基石

了解详情

瑞莱智慧AIGC视频伪造检测性能挑战赛

举办方会提供人脸检测与鉴伪baseline的demo可供选手进行适配参考。选手可以基于Baseline模型设计和优化网络,最终在达到精度指标基础上比较算法的推理速度。

了解详情

网易玉言大模型性能优化挑战赛

为了降低大模型的使用门槛,旨在让更多普通开发者能够低门槛、低成本的使用、体验和应用大模型,促进大模型对各行各业的赋能,中科曙光携手网易伏羲实验室联合发起网易玉言大模型性能优化挑战赛,让选手在有限的国产GPU卡算力约束下,完成玉言大模型的性能优化。 本赛题旨模拟实际的场景下普通用户进行大规模模型的推理过程,在有限的计算资源下,对百亿级大模型进行性能优化,尽可能提升大模型推理的吞吐量。

了解详情

U-Net3D网络模型优化

本次先导杯大赛,U-Net3D网络模型优化赛题的主要目的是以国产GPGPU加速卡为平台,实现3D U-Net网络的加速优化。作为区域热身赛的一部分,也希望借助该赛题能够帮助更多选手了解国产GPGPU加速卡加速卡和国产GPGPU加速卡加速编程。

了解详情

OpenFOAM化学反应流求解

OpenFOAM是一款开源流体力学计算软件,提供丰富的计算模型,支持化学反应流计算,其中化学反应求解过程耗时较长,需要通过DCU加速该计算过程。

了解详情

开放应用赛题

当前的计算机体系结构逐渐转向以异构的结构为基础,计算机应用领域分布于不同的应用领域之中。不同领域之间,同一领域不同应用场景间,甚至同一解析问题都极有可能用到不同类别的计算算法。算法的精妙程度与最终应用软件的效率有着直接的关系。随着计算机技术的不断发展,越来越多的计算集群采用异构架构,如何让应用适配异构架构是国内外重点解决的问题

了解详情

华东赛区 赛题NEW

卷积算子优化

卷积神经网络(Convolutional Neural Network, CNN)是一类常用的深度学习模型,在计算机视觉、自然语言处理等领域广泛应用。卷积算子是CNN的重要组成部分,用于提取图像、文本等数据中的特征。 卷积运算是深度学习中常用的操作之一,但是由于其计算量较大,在大型神经网络中可能成为性能瓶颈,导致训练时间过长。因此,为了提高卷积运算的计算效率,需要通过并行编程等技术手段进行优化。 本次先导杯大赛,要求参赛者优化卷积算子的并行编程实现。作为区域热身赛的一部分,也希望借助该赛题能够帮助更多选手了解DCU加速卡和DCU加速编程。

了解详情

光源预训练模型积分赛

先导杯面向全国开发者发起光源预训练模型积分赛,旨在鼓励开发者了解国产GPU加速卡,参与和贡献预训练模型开源项目,为国内预训练模型社区添砖加瓦。

了解详情

西部及东北联合赛区 赛题 (已结束)

光源预训练模型积分赛

人工智能机器学习的发展可追溯至19世纪中期,旨在通过对数据内涵的信息与数据之间的逻辑关系的理解实现计算机对数据的自主学习及推演。深度学习是机器学习的分支,旨在通过更多的数据,利用人工神经网络模型实现对更为抽象、深层次的逻辑信息进行学习。由于深度学习的实现需基于大量训练数据实现深度学习的面世快速推进了AI技术在互联网、金融等数据基础庞大的领域中的应用。

了解详情

有限差分法的异构性能优化

有限差分方法是求解偏微分方程最广泛的基础算法之一,其广泛应用于航空航天、船舶海洋、大气、能源、天体物理等领域中的问题中。对于有限差分方法的计算和存储效率的提升是进行这些问题大规模数值模拟的关键技术之一。许多物理现象随着时间而发生变化、如热传导过程、气体扩散过程和波的传播过程都与时间有关。描述这些过程的偏微分方程具有这样的性质;若初始时刻t=t0的解已给定,则t>t0时刻的解完全取决于初始条件和某些边界条件。利用差分法解这类问题,就是从初始值出发,通过差分格式沿时间增加的方向,逐步求出微分方程的近似解。

了解详情

SpMM算子优化

SpMM算子优化赛题的主要目的是实现稀疏矩阵与稀疏矩阵乘法(SpMM)算子的DCU加速优化,希望借助该赛题够帮助更多选手了解DCU加速卡和DCU力速编程。

了解详情

关注官方微信

算力体验

联系我们

客服电话:180 0105 8806


  • 组委会秘书处 : 180 0105 8806 邮 箱:PRA@sugon.com
  • 媒  体  合  作:134 6674 5896 邮 箱: zhaochena@sugon.com
  • 技  术  支  持:PRAIT@sugon.com

关注官方微信                   算力体验