cuDNN Frontend API 使用教程
2024-09-19 02:34:43作者:凌朦慧Richard
1. 项目的目录结构及介绍
cudnn-frontend/
├── cmake/
├── docs/
├── include/
│ ├── cudnn_frontend.h
│ ├── cudnn_frontend_Engine.h
│ ├── cudnn_frontend_EngineConfig.h
│ ├── cudnn_frontend_ExecutionPlan.h
│ ├── cudnn_frontend_Filters.h
│ ├── cudnn_frontend_Heuristics.h
│ ├── cudnn_frontend_Operation.h
│ ├── cudnn_frontend_OperationGraph.h
│ ├── cudnn_frontend_PointWiseDesc.h
│ ├── cudnn_frontend_Tensor.h
│ ├── cudnn_frontend_Utils.h
│ ├── cudnn_frontend_find_plan.h
│ └── cudnn_frontend_get_plan.h
├── python/
├── samples/
│ ├── cpp/
│ └── python/
├── test/
├── tools/
├── clang-format
├── CMakeLists.txt
├── CONTRIBUTING.md
├── LICENSE.txt
├── README.md
├── README.FE.0.x.md
├── README.FE.1.0.md
├── pyproject.toml
├── requirements.txt
└── setup.py
目录结构介绍
- cmake/: 包含CMake构建脚本和配置文件。
- docs/: 包含项目文档,如API文档和使用指南。
- include/: 包含cuDNN Frontend API的头文件,这些文件定义了API的接口和功能。
- python/: 包含Python绑定和相关脚本。
- samples/: 包含C++和Python的示例代码,展示了如何使用cuDNN Frontend API。
- test/: 包含测试脚本和测试用例。
- tools/: 包含一些辅助工具和脚本。
- clang-format: 用于代码格式化的配置文件。
- CMakeLists.txt: CMake的主配置文件,用于构建项目。
- CONTRIBUTING.md: 贡献指南,包含如何为项目贡献代码的说明。
- LICENSE.txt: 项目的开源许可证。
- README.md: 项目的主README文件,包含项目的基本信息和使用说明。
- README.FE.0.x.md: cuDNN Frontend API v0.x版本的文档。
- README.FE.1.0.md: cuDNN Frontend API v1.0版本的文档。
- pyproject.toml: Python项目的配置文件。
- requirements.txt: Python依赖项列表。
- setup.py: Python包的安装脚本。
2. 项目的启动文件介绍
启动文件
- CMakeLists.txt: 这是项目的主CMake配置文件,用于构建项目。通过运行
cmake命令,可以生成构建系统所需的文件。
启动步骤
-
克隆项目:
git clone https://github.com/NVIDIA/cudnn-frontend.git cd cudnn-frontend -
生成构建系统:
mkdir build cd build cmake .. -
构建项目:
cmake --build . -j16 -
运行示例:
bin/samples
3. 项目的配置文件介绍
配置文件
- CMakeLists.txt: 这是项目的主CMake配置文件,定义了项目的构建规则和依赖项。
- requirements.txt: 包含Python项目的依赖项列表,可以通过
pip install -r requirements.txt安装。 - pyproject.toml: Python项目的配置文件,定义了项目的元数据和构建系统。
- setup.py: Python包的安装脚本,可以通过
pip install .安装Python包。
配置步骤
-
安装依赖项:
pip install -r requirements.txt -
安装Python包:
pip install . -
运行Python示例:
python samples/python/sample.py
通过以上步骤,您可以成功构建和运行cuDNN Frontend API的示例代码,并了解项目的目录结构和配置文件的使用方法。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0115
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
763
4.96 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
856
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
676
1.33 K
Ascend Extension for PyTorch
Python
719
875
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.07 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
297
114
昇腾LLM分布式训练框架
Python
178
220