프로젝트 설명：
ncnn은 매우 우수한 고성능 신경망 계산 프레임워크이며, RISC-V에 대한 지원도 좋습니다. 이 프로젝트에서는 upstream 기반 위에서, Duo의 계산 리소스를 최대한 활용하여 ncnn이 가진 성능 테스트 세트의 점수를 향상시키는 것이 요구됩니다.
결과물 및 평가 요건：
- 회귀 테스트에서 새로운 실패를 일으키지 않는 것.
- RVV0.7, TPU, 또는 Duo의 다른 사용 가능한 계산 구성 요소를 사용하여 가속화를 도모하는 것.
- 벤치마크 디렉토리 아래의 모델을 가능한 한 많이 정확하게 실행하고 실행 시간을 기록하는 것.
제출 설명：
- 제출 리포지토리 링크는 https://github.com/plctlab/rvspoc-s2310-ncnn 입니다.
- 결과는 위 리포지토리에 Pull Request 형태로 제출해주세요.
- 제출 시, 재현에 필요한 소프트웨어 환경을 자세히 설명해주세요. ‘검수 설명’에 기록된 기본 소프트웨어 환경을 참고하여 필요에 따라 변경을 추가하세요.
- 대회 기간 동안 최적화된 내용을 제출하는 방법은 다음과 같습니다:
- 바이너리 형식
- 암호화된 소스 코드 형식(암호화 정보는 rvspoc@cyberlimes.cn으로 이메일로 보내야 합니다)
- 소스 코드 형식
- 최종 결과 공개 후, 제출 내용을 완전히 오픈소스화해야 합니다.
- 주최측은, 대회 종료 후(즉, 2024년
2월 16일2월 29일 이후), 대회 과제의 리포지토리 Pull Request 채널을 닫고 결과 검수를 시작합니다.
검수 설명：
- 검증 플랫폼은 Milk-V Duo 64MB 버전입니다.
- 검수 시 동일한 사양의 TF 카드를 통일하여 사용합니다.
- SWAP 사용은 권장되지 않습니다.
- CPU 오버클럭은 하지 않습니다.
- 추가적인 냉각 장치는 사용하지 않습니다.
- Duo 상의 시스템에 특별한 요구사항은 없으나, 참가자가 요구하는 경우 Pull Request를 통해 필요한 시스템을 제시할 수 있습니다.
- ncnn 리포지토리는 https://github.com/Tencent/ncnn 입니다.
- 검수 프로그램으로 ncnnbench를 사용하며, 구체적인 최적화 가중치는 나중에 결정됩니다.
- 종합적인 점수는 Milk-V 공식 이미지의 55MB 메모리 하에서의 점수를 하회하지 않아야 합니다.
- 55MB 메모리에서 SWAP 파티션 없이 일부 벤치마크 항목을 실행할 수 없는 경우가 있습니다. 이 부분의 내용은 심사위원회의 통보를 기다려야 합니다.
- 실제 최적화 진행 상황에 따라 고려되지 않은 측면은 대회 진행에 따라 조정될 수 있으며, 대회 웹사이트를 계속 주시하시기 바랍니다. 최종 해석권은 대회 과제 심사위원회에 있습니다.
지적 재산권 및 오픈 소스 라이선스에 관한 설명：
모든 참가 작품은 오픈 소스로 공개되어야 하며, 주최자가 지정하는 저장소에 제출해야 합니다. 참가자(저자)는 작품의 모든 권리를 보유합니다. 주최자는 참가자가 결과물을 업스트림에 피드백하여 기여하는 것을 권장합니다.