Using Mat-Mul Instructions, like Arm SME and Intel AMX
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 5/5
- Tempo stimato
- Più di una settimana
- Idoneità per principianti
- 18/100
- Tipo di issue
- Funzionalità
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- cpp
- Ambito
- hpc, performance
Direzione di ricerca
Inizia esaminando la riduzione proposta in due fasi mediante moltiplicazioni matrice-vettore e i vincoli di Arm SME e Intel AMX descritti nell’issue. Poi esamina la pull request di SimSIMD indicata per il relativo contesto di implementazione. Il lavoro sarebbe considerato completato con un’implementazione definita e sottoposta a benchmark di questo approccio, ma l’issue non indica file o test del repository.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Array reductions can be represented as a two-stage pipeline built on top of matrix-vector multiplications, where the vector is made of all ones.
Let's say our hardware supports fast 16 by 16 matrix multiplications with a single instruction. We can reshape the input array of length $N$ as a matrix of $16$ rows and $N/16$ columns, and use a tiled matrix-multiplication instruction sliding through that wide matrix, multiplying it by a $16$-element vector of ones, and accumulating into $16$ other floats.
In reality, we can't user Intel AMX with float32 inputs, but we can use Arm SME, and later apply similar techniques to SimSIMD.
- Lingua principale
- C++
- Stelle
- 119
- Fork
- 10
- Metriche di merge delle PR
- Nessuna PR unita negli ultimi 30g
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 ashvardanian/ParallelReductionsBenchmark
-
Add Python benchmarks for the new CUDA DSL/JITForse di nuovo libera @AnshSinghSonkhia l’ha presa 451 giorni fa e non c’è nessuna pull request aperta. Apertagood first issue help wanted
ashvardanian/ParallelReductionsBenchmark#9 · 2 commenti · 1 assegnatario ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 35/100
-
POSIX thread-pool for NUMAApertaenhancement good first issue
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
ashvardanian/ParallelReductionsBenchmark#7 · 1 reazione ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 25/100
ashvardanian/ParallelReductionsBenchmark#1 · 1 commento · 1 reazione ·
Tutte le issue di ashvardanian/ParallelReductionsBenchmark
Issue simili
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
I maintainer di solito rispondono entro 1 giorno
-
accessibility good first issue hacktoberfest help wanted
Difficoltà 2/5 1-3 ore Idoneità per principianti 74/100
OpenChemistry/avogadrolibs#3184 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 68/100
Tracktion/tracktion_engine#475 ·
I maintainer di solito rispondono entro 1 giorno
-
CB name typo in LMAperta
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
orbiternassp/NASSP#1701 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 72/100
redis/memtier_benchmark#732 ·
I maintainer di solito rispondono entro 1 giorno