满分代码百度网盘下载链接：

通过网盘分享的文件：智能计算系统_实验5_2.zip
链接: https://pan.baidu.com/s/1RpIO80aZpmkZ6bTQZ1p0Xg?pwd=e6kw 提取码: e6kw

v3.0-实验5-2-智能编程语言性能优化实验-v5_mul

1. 实验目的

   

    掌握使用智能编程语言优化算法性能的原理，掌握智能编程语言的调试和调优方法，能够使用智能编程语言在MLU上加速矩阵乘的计算。

    实验工作量：代码量约700行，实验时间约6小时。

2. 实验环境

   本章实验基于 DLP 云平台环境。其中有 DLP 的硬件平台和相应的软件环境。

   

3. 实验内容和步骤

   详情请查看实验指导书

4. 评分标准

本实验设定的评估标准如下，每升高一级标准，不但要实现当前分值标准的代码，还要实现上一级分值标准的代码，即100分标准要求实现“标量NRAM实现”、“向量NRAM实现”、“多核向量NRAM实现”、“多核向量NRAM三级流水实现”、“多核向量SRAM五级流水实现”共5个版本的BANG C代码。

•60分标准：MxNxK = 128x256x128规模，实现标量NRAM矩阵乘，MLU计算结果与CPU计算结果误差为0。
•70分标准：MxNxK = 128x256x128规模，实现向量NRAM矩阵乘，精度达标，MLU性能为CPU的xxx倍以上。
•80分标准：MxNxK = 524288x256x128规模，实现多核向量NRAM矩阵乘，精度达标，MLU性能为CPU的xxx倍以上。
•90分标准：MxNxK = 524288x256x128规模，实现多核向量NRAM三级流水矩阵乘，精度达标，MLU性能为CPU的xxx倍以上。
•100分标准：MxNxK = 524288x256x128规模，实现多核向量NRAM五级流水矩阵乘，精度达标,性能和三级流水在同一个数量级。

5. 文件提交格式

    需要提交的文件为 01_scalar.mlu、02_scalar_nram.mlu、03_vector_nram.mlu、04_vector_nram_blocks.mlu、05_vector_nram_blocks_pip3.mlu、06_vector_sram_unions_pip5.mlu，将上述文件直接打包为 zip 文件提交。

---

提交源文件 ， 只能提交以 rar、zip 为后缀的文件