GTOC Forum 2025 | GraphNet 助力 AI 软件栈催熟- 大数跨境

GTOC

2025-11-15

导读：GraphNet 是一个大规模深度学习计算图数据集，作为张量编译器优化的标准基准而构建。

GTOC Forum 是由社区成员牵头发起的线上技术交流论坛，不定期开展技术分享会。社区成员如果有感兴趣或者想要申报议题，可以通过 Github 仓库的 issues 页面发起讨论和申请（请点击文末阅读原文）。

// 本期 Talk 介绍

GraphNet 是一个大规模深度学习计算图数据集，作为张量编译器优化的标准基准而构建。

它从顶尖深度学习模型中提取超 2700+ 个计算图，涵盖多种任务与机器学习框架，具备标准化格式和丰富元数据，有助于对张量编译器通用优化能力进行公平比较和可复现评估，支持编译器相关的人工智能研究。

本次会议邀请的嘉宾将分享他们基于 GraphNet 做的几款国内外加速卡软件栈成熟度（算子库成熟度和编译器成熟度）的评测。根据分析结果，梳理和总结各家芯片软件栈当前可以改进并获得显著收益的地方。

技术报告提出两个重要指标，加速分数 S (t) 用于评估不同数值容差水平下的编译器性能，错误感知加速分数 ES (t) 则进一步考虑运行时和编译错误。

这两个指标为全面评估张量编译器性能提供了量化标准，使研究者能更精准衡量编译器在不同场景下的表现。如在评估编译器对复杂模型优化时，可依据这两个指标综合判断其效果。

另外在实际应用的场景中，GraphNet 在评估算子库的成熟度上的表现，也颇为不俗，这部分将在会上详细介绍。

嘉宾表示，希望借助本次线上分享，推动更多开源合作的开展，助力不断涌现的新硬件，将其 AI 软件栈建设提升至更高水平。

GraphNet 仓库：https://github.com/PaddlePaddle/GraphNet

GraphNet 技术报告：https://arxiv.org/abs/2510.24035

// 本期嘉宾介绍

李新奇，百度深度学习技术平台部主任架构师。有 8 年深度学习框架研发经验，十多项专利。其在分布式系统上的一些设计被 torch 直接借鉴。

他近些年兴趣点转向了 AI for compiler 的研究，最近的代表性工作是 GraphNet 项目，热衷于使用 AI 原生思维来催熟 AI 自身软件栈。

// 本期会议链接

【声明】内容源于网络

GTOC

格维开源社区(GTOC)，传播开源技术，布道开源文化。

内容 35

粉丝 0

GTOC 格维开源社区(GTOC)，传播开源技术，布道开源文化。

总阅读11

粉丝0

内容35