9.3 编译器驱动的cuDNN优化（如通过MLIR）

文档摘要

9.3 编译器驱动的cuDNN优化（如通过MLIR） 9.3 编译器驱动的cuDNN优化（如通过MLIR）在深度学习框架与硬件加速器协同演进的浪潮中，cuDNN（CUDA Deep Neural Network library）作为NVIDIA生态中的核心算子库，长期以来扮演着“性能守门人”的角色。它封装了高度手工优化的卷积、池化、归一化等原语，为上层框架（如TensorFlow、PyTorch）提供了接近理论峰值的计算效率。然而，随着模型结构日益复杂、硬件架构快速迭代（从Volta到Hopper再到Blackwell），传统“黑盒式”cuDNN的局限性逐渐显现：其静态优化策略难以适应动态图执行、稀疏计算、混合精度调度等新兴需求；