Bringup-Bench 使用教程
2025-04-15 00:21:32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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
381
456
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++
894
679
暂无简介
Dart
803
198
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
353
209
昇腾LLM分布式训练框架
Python
119
146
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781