Autotuning kernel launch parameters
I maintainer di solito rispondono entro 3 giorni
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 35/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Abbastanza chiara
- Stato di attività
- Ferma
- Stack tecnologico
- julia
- Ambito
- hpc, performance
Direzione di ricerca
Inizia leggendo experimental/src/cuda/tile_experimental/_autotuner.py e il relativo esempio di utilizzo in samples/AttentionFMHA.py. Traccia come vengono selezionati i parametri di lancio, come la dimensione del tile e l’indicazione della voce di occupancy, quindi definisci come devono essere valutate le combinazioni candidate per le dimensioni degli array, l’hardware e l’architettura. Il lavoro è completo quando il sistema è in grado di trovare e utilizzare automaticamente una buona combinazione di parametri per il carico di lavoro corrente.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
There are often significant performance gains from e.g. increasing the tile size when a smaller type is used, or sometimes simply setting the entry hint occupancy=2 will have a big impact. It would be nice to be able to automatically find a good combination of parameters specific to the current array sizes, hardware, and arch.
See _autotuner.py with example usage in AttentionFMHA.py
- Lingua principale
- Julia
- Stelle
- 90
- Fork
- 13
- Merge medio
- 4g 8h
- PR unite (30g)
- 19
Preparare l'ambiente
Questo progetto non fornisce container di sviluppo, Dockerfile né guida per i contributori, quindi l'ambiente è a tuo carico: parti dal suo README e consulta la nostra guida al primo contributo per i passaggi generali.
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di JuliaGPU/cuTile.jl
-
cuTile-specific launch macroAperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
JuliaGPU/cuTile.jl#295 · 3 commenti ·
I maintainer di solito rispondono entro 3 giorni
-
`atomic_store_add` of a slice extracted from a tile adds nothing when the slice is under 256 bytesAperta
Difficoltà 4/5 3-5 giorni Idoneità per principianti 48/100
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 35/100
JuliaGPU/cuTile.jl#333 · 1 commento ·
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 30/100
I maintainer di solito rispondono entro 3 giorni
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 52/100
I maintainer di solito rispondono entro 3 giorni
Tutte le issue di JuliaGPU/cuTile.jl
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 70/100
MagneticResonanceImaging/MRIReco.jl#366 ·
I maintainer di solito rispondono entro 3 giorni
-
`AdamW` gives `NaN` for zero-gradient entries of `Float16` parameters (epsilon underflows to 0)Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 79/100
FluxML/Optimisers.jl#253 ·
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 76/100
JuliaGraphs/GraphNeuralNetworks.jl#736 ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 65/100
I maintainer di solito rispondono entro 1 giorno
-
`poissonians` is not public, unlike `brownians` and `jumps`Forse già presa @isaacsas l’ha presa oggi. Aperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 86/100
SciML/ModelingToolkit.jl#5389 ·
I maintainer di solito rispondono entro 2 giorni