Bringup-Bench 使用教程
2025-04-15 11:50:20作者:裴麒琰
1. 项目目录结构及介绍
Bringup-Bench 的目录结构如下:
.
├── ackermann
├── anagram
├── audio-codec
├── avl-tree
├── banner
├── blake2b
├── bloom-filter
├── boyer-moore-search
├── bubble-sort
├── c-interp
├── checkers
├── cipher
├── common
├── dhrystone
├── distinctness
├── donut
├── fft-int
├── flood-fill
├── frac-calc
├── fuzzy-match
├── fy-shuffle
├── gcd-list
├── grad-descent
├── graph-tests
├── hanoi
├── heapsort
├── indirect-test
├── k-means
├── kadane
├── kepler
├── knapsack
├── knights-tour
├── life
├── longdiv
├── lz-compress
├── mandelbrot
├── max-subseq
├── mersenne
├── minspan
├── murmur-hash
├── natlog
├── nr-solver
├── parrondo
├── pascal
├── pi-calc
├── primal-test
├── priority-queue
├── qsort-demo
├── quaternions
├── quine
├── rabinkarp-search
├── regex-parser
├── rho-factor
├── rle-compress
├── satomi
├── scripts
├── shortest-path
├── sieve
├── simple-grep
├── skeleton
├── spelt2num
├── spirograph
├── strange
├── target
├── tiny-NN
├── topo-sort
├── totient
├── vectors-3d
├── weekday
├── .gitignore
├── HASH-refs.txt
├── LICENSE
├── Makefile
├── README.md
├── VERSION
每个子目录都包含一个特定的基准测试,例如 bubble-sort 目录包含冒泡排序的基准测试代码。
2. 项目的启动文件介绍
项目的启动主要通过 Makefile 文件来管理。这个 Makefile 文件定义了一系列的规则和目标,用于构建和测试基准测试。
以下是一些基本的 Makefile 命令:
make TARGET=<target> clean:清理项目目录,删除所有编译产生的文件。make TARGET=<target> build:构建项目,编译基准测试程序。make TARGET=<target> test:运行测试,验证基准测试程序的输出。
例如,如果你想为 Linux 主机目标构建并测试 bubble-sort 基准测试,你可以使用以下命令:
make TARGET=host build
make TARGET=host test
3. 项目的配置文件介绍
Bringup-Bench 项目中的配置主要通过 Makefile 文件中的变量和条件来实现。项目中的 common 目录包含了一些通用的库和接口,这些库和接口被设计为尽可能减少对外部库的依赖。
在 Makefile 中,你可以定义不同的目标(例如 TARGET=host、TARGET=standalone 等),这些目标会决定如何构建和运行基准测试。每个目标都有特定的构建规则和依赖。
项目的配置主要通过以下文件进行:
Makefile:顶层 Makefile,定义了构建和测试的通用规则。common/libtarg.c:包含了用于将程序输出重定向到内部缓冲区的接口,这对于没有 I/O 支持的 CPU 启动非常有用。
通过调整 Makefile 文件中的变量和条件,你可以定制项目的构建过程,以适应不同的开发和测试环境。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 PANTONE潘通AI色板库:设计师必备的色彩管理利器 移动端HTML医疗影像DICOM在线浏览解决方案:零足迹医疗图像查看器 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 Windows Server 2016 .NET Framework 3.5 SXS文件下载与安装完整指南 咖啡豆识别数据集:AI目标检测在咖啡质量控制中的革命性应用 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 PhysioNet医学研究数据库:临床数据分析与生物信号处理的权威资源指南
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
207
220
暂无简介
Dart
646
149
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++
653
287
React Native鸿蒙化仓库
JavaScript
250
318
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.13 K
637
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
78
101
仓颉编译器源码及 cjdb 调试工具。
C++
130
861
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
215
仓颉编程语言运行时与标准库。
Cangjie
134
873