960路高清视频解码,480路智能解析
576路高清视频解码,288路智能解析
BM1684X,416路高清视频智能解析
X86主控,288路1080p高清视频智能解析
BM1684X,32路高清视频智能解析
BM1684,16路高清视频智能解析
BM1684,192路高清视频智能解析
BM1684,8路高清视频智能解析
CV186AH,8路高清视频智能解析
BM1688,16路高清视频智能解析
72路全高清硬解码与智能分析
96路全高清硬解码,48路智能分析
32路高清硬解码,16路智能分析
32路高清硬解码与智能分析
32路高清硬解码与智能分析
32路高清硬解码,16路智能分析
32路高清硬解码,16路智能分析
深度学习开发者产品组合
视频实时压缩转码上云和监测异常事件,增强道路运行安全事件的发现和处置能力
为交通拥堵、行车安全、车辆违法和道路污染治理问题赋能
以国产化算力支撑海量视频的结构化解析,服务警务应用实战
以数据为中心打造“智能、协同、高效、创新”的步态识别大数据分析系统
为用户快速构建融合人、车、通行等多维数据的业务能力
算能运用自研算力硬件设备SG6/SE5/SE6,搭载SOPHON.TEAM视频分析算法,助力工业安全生产智能化
为粮仓、棉仓等大型仓储园区的办公、质检、磅房、库区等区域提供了违规行为和异常事件的安全监控方案
算能联合SOPHON.TEAM生态伙伴打造烟草行业安全生产深度学习管控解决方案
算能联合SOPHON.TEAM生态伙伴,以自研国产化深度学习算力产品为硬件底座,构建安全生产管理体系,提高白酒企业安全生产管理水平
算能联合SOPHON.TEAM生态伙伴构建智算中心解决方案,建设统一管理和调度的云边协同的智算中心
算能联合SOPHON.TEAM生态共同构建了一套以自研国产化深度学习算力产品为硬件底座,以AutoML零代码自动化深度学习训练平台为基础,实现快速、高效的深度学习工程化落地
reduce_sum算子的作用是将某些维度的所有元素求和。
输入格式:[N, C, H, W]的tensor, 以及需要进行reduce的维度dims
输出格式:对应dims的维度为1,如dims={1,2},输出为[N, 1, 1, W]
typedef struct { int N, C, H, W; int axis_list[4]; int axis_num; unsigned long long output_addr; unsigned long long input_addr; } __attribute__((packed)) param_t;
其中[N, C, H, W]为输入tensor的四个维度的大小,axis_list为需要进行reduce_sum操作的维度索引,axis_num为需要进行reduce_sum操作的维度个数。
以dims={3}为例,可以通过使用avgpool算子,kernel_size设为(1, W),stride设为(1,1),padding为(0,0),这样可以计算W维度所有元素的均值,之后将avgpool的结果乘以W,就可以得到W维度所有元素的和。
如果dims={2},可以进行类似的操作,将kernel_size设为(H, 1),其他相同。最后结果乘以H,可以得到H维度所有元素的和。
dims={0}和dims={1}的情况,各位参赛选手结合上述方法,以及文档中的基础算子进行完成。