MindSpore基準性能
本文介紹MindSpore的基準性能。MindSpore網絡定義可參考Model Zoo。
訓練性能
ResNet

1. 以上數據基于華為云AI開發平臺ModelArts測試獲得，是訓練過程整體下沉至Ascend 910 AI處理器執行所得的平均性能。

2. 業界其他開源框架數據可參考：ResNet-50 v1.5 for TensorFlow。
   BERT
   

3. 以上數據基于華為云AI開發平臺ModelArts測試獲得，其中網絡包含24個隱藏層，句長為128個token，字典表包含21128個token。

4. 業界其他開源框架數據可參考：BERT For TensorFlow。

Wide & Deep (數據并行)

1. 以上數據基于Atlas 800測試獲得，且網絡模型為數據并行。

2. 業界其他開源框架數據可參考：Wide & Deep For TensorFlow。
   Wide & Deep (Host-Device混合計算模型并行)

3. 以上數據基于Atlas 800測試獲得，且網絡模型為模型并行。

4. 業界其他開源框架數據可參考：Wide & Deep For TensorFlow。

總結

以上是生活随笔為你收集整理的MindSpore基准性能的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。