技术背景：为什么我们需要模型量化？ 在边缘计算和移动端部署深度学习模型时，我们常常面临两个核心挑战： 计算资源…

从数据看 AMD 395 的深度学习性能 最近在实验室用 AMD Radeon RX 395 做了一些深度学习…

技术背景与核心痛点 当前 AMD CPU 在 AI 推理场景面临三个主要性能瓶颈： SIMD(Single I…

为什么需要 AMD CPU 推理加速？ 最近在用 AMD 处理器跑深度学习模型时，发现推理速度总比预期慢半拍。…

1. AMD GPU 内存架构概述 AMD GPU 的内存架构与传统 CPU 有很大不同，主要分为两种类型：H…

HBM 显存物理布局与架构特性 AMD CDNA 架构采用 3D 堆叠的 HBM（High Bandwidth…

背景痛点 ONNX 模型在 AMD GPU 上推理时，开发者常会遇到以下问题： 算子支持不全 ：部分 ONNX…

背景痛点 在 AMD GPU 上部署 ONNX 模型时，开发者常遇到几个典型性能问题： 算子支持不全：部分 O…

开篇：AMD GPU 推理的三大痛点 最近在部署 AMD GPU 进行深度学习推理时，发现相比 NVIDIA …

架构背景：CDNA 与 RDNA 的核心差异 AMD 当前两大 GPU 架构面向不同场景设计，理解其特性是优化…