3.8 KiB
3.8 KiB
GPU 算子优化挑战赛（GPUKernelContest）
欢迎参加 GPU 算子优化挑战赛 🎯！
本比赛旨在通过优化深度学习框架中的核心计算模块，提升大模型的运行效率。在本仓库中，你可以提交你的优化代码、测试样例和使用说明。
🧠 比赛背景简介
随着大语言模型（LLM, 如 ChatGPT 等）的广泛使用，其在运行推理时对计算资源的要求越来越高，出现了所谓的 “三高” 问题：
- 高延迟：响应慢
- 高显存占用：消耗大量显存
- 高生态依赖：对系统和软件依赖复杂
本次挑战赛正是为了解决这些问题，鼓励选手优化 GPU 上的底层算子（即最基础的数学运算模块），提高模型推理效率。
🔧 挑战方向
本次挑战主要有两个技术方向：
1. Test Time Scaling 算子优化
- 对深度学习框架中的基础算子（如 PyTorch 或 PaddlePaddle 中的矩阵乘法）进行性能优化。
2. Gemm 内核极致优化
- GEMM（General Matrix Multiplication） 是大模型中的核心计算操作。
- 目标是对其内核（Kernel）进行精细调优，提高执行效率。
👉 项目目标：在不更换硬件的前提下，让推理速度提升 30%！
📥 如何参与提交？
✅ 参赛要求：
- 提交内容必须可以在沐曦自研 GPU 曦云 C500 上运行。
- 所提交的优化代码将由主办方审核，需成功合并（Merge）到官方 Gitee 仓库，才算有效提交。
📦 提交内容包含：
- 算子优化后的代码
- 可运行的测试用例
- 使用说明文档
📈 评分机制
每次提交会按以下规则评分：
🎯 基础得分（Level）：
| 等级 | 内容描述 | 分值 |
|---|---|---|
| Level 1 | 优化一个 PyTorch / Paddle 算子 | 5 分 |
| Level 2 | 融合优化 2~9 个算子 | 10 分 |
| Level 3 | 含 MMA（多维矩阵乘）融合算子 | 50 分 |
| Level 4 | 用于大模型推理的复杂融合算子 | 50 分 |
| 合并至沐曦正式项目仓库 | - | 50 分 |
✨ 加分项：
| 内容 | 分值 |
|---|---|
| 代码规范、清晰 | +10 分 |
| 性能优化明显 | +10 分 |
| 记录优化过程、说明模型来源 | +20 分 |
| 使用 LLM Prompt 自动生成代码及样例 | +20 分 |
🏅 排名规则
- 比赛周期：2 个月
- 排名按累计得分排序，取前 12 名！
若得分相同：
- 提交次数多者优先
- 提交时间早者优先
📚 官方参考项目仓库
你可以参考以下项目仓库，了解算子开发与提交格式：
🖥️ 可用资源
- 沐曦曦云 C500 GPU 单卡（支持图形显示 + 性能评估）
💡 术语解释
- 算子（Operator）：指深度学习框架中的基本计算模块，例如矩阵乘法、卷积等。
- GEMM：全称 General Matrix Multiplication，一种用于矩阵计算的核心算法，是大模型中的基础运算。
- MMA：Matrix Multiply-Accumulate，多维矩阵乘加运算，适用于复杂计算加速。
- LLM：Large Language Model，大语言模型，如 GPT、BERT 等。
- 推理（Inference）：模型训练完成后，用来“预测”或“使用”的过程。
- Prompt：用于引导大模型生成特定内容的输入提示词。
- PR（Pull Request）：在 Git 仓库中提交你的修改请求，供维护者审查后合并。
📬 联系与帮助
如需帮助或有疑问，请联系主办方或在项目中发起 Issue。
祝你挑战顺利，优化出更快的大模型推理体验！🚀