赛题

第一届
第二届
第三届
第四届

开放应用

以并行计算技术、并行算法和并行计算机结果为核心的并行化技术受到了国际国内计算数学界、计算机科学界乃至整个工程技术与科学界的广泛重视。 当前,随着计算机体系结构异构化趋势不断明朗,如何让更多的实际应用真切逼近体系结构异构化带来的理论峰值提升,是业内广泛关注的重点和难点问题。应用需要在并行算法设计、软硬件环境兼容性等方面做出更具创新性的调整和突破。开放应用赛题旨在面向国产先进计算平台解决材料、生命科学、天气气候、能源、大数据、AI、商业等关键应用异构并行优化问题,要求取得正确计算结果,并可以实现一定程度的扩展性。

了解详情

神经网络架构搜索

神经网络架构搜索(Neural Architecture Search,简称NAS)是目前深度学习最为前沿的问题之一。不同于以往研究者根据经验设计出具有不同的张量计算和堆叠连接方式的网络架构,神经网络架构搜索借助机器的力量来发掘出网络设计的内在规律,目标是找到新一代的“最强模型”。

了解详情

大规模物体检测

物体检测是计算机视觉的基础任务,应用领域非常广泛,比如人脸识别,无人驾驶,智能安防,医疗图像领域等都有非常重要的价值。检测问题的提升对于整个计算机视觉以及人工智能来讲有非常重要的推动作用。本赛道引入一个大规模的通用物体检测数据集 —— Objects365,是目前最大的全量标注的通用物体检测数据集,用于推动物体检测领域的发展同时拓展物体检测的上限。

了解详情

​基于LU分解的矩阵求逆算法

LU分解是一种矩阵分解的技术,被广泛用于科研、工程等方方面面。在物理学的数值计算中,大量有关线性系统的问题都需要使用LU分解,使得LU分解成为不可或缺的基础算法。

了解详情

SgemmStridedBatched 优化

矩阵乘法(General Matrix-matrix Multiplication)是高性能、机器学习、工程以及数据应用等计算科学研究中的基础操作。为满足海量数据的快速计算需求,充分发挥类GPU异构加速器的优势,需要进行针对性优化。

了解详情

最短路径问题

最短路径问题是一个经典的抽象问题,已经广泛用于城市规划与设计、图像分割、数学导航系统等领域,具有很高的研究价值和实际应用价值。本赛题将重点解决最短路径问题在异构加速平台上的性能优化问题。

了解详情