39、基于Python的嵌入式并行平台上AI性能及Raft与Zookeeper对比

基于Python的嵌入式并行平台上AI性能及Raft与Zookeeper对比

基于Python的嵌入式并行平台上AI性能

在嵌入式并行平台上使用Python进行AI计算时，不同计算任务和不同向量规模下有着不同的性能表现。

1. 函数计算误差

• Sigmoid函数 ：当计算输入值范围在 [-5, +5] ，输出值范围在 [0, 1] 的向量的Sigmoid函数时，均方根误差约为0.0015。
• Tanh函数 ：当计算输入值范围在 [-5, +5] ，输出值范围在 [-1, +1] 的向量的Tanh函数时，均方根误差约为0.0031。

2. Tanh计算性能

向量规模	节点数量	性能表现
约1000	1个节点	单个节点花费的时间比其他数量（>1）的节点花费的时间少约2倍。这意味着对于较小的向量规模，通信延迟带来的开销比并行计算带来的性能提升更大。
≥10000	8个节点	8个节点花费的时间总是最少的，平均比其他情况快4.