已结束 
Prize:¥ 130,000 工具链和demo：https://github.com/sophgo/tpu-mlir
TPU-MLIR是算能智能处理器的TPU编译器工程。该工程提供了一套完整的工具链, 其可以将 不同框架下预训练的神经网络, 转化为可以在算能TPU上高效运算的模型文件 bmodel/cvimodel。
TPU-MLIR的整体架构如下:
目前直接支持的框架有PyTorch、ONNX、TFLite和Caffe。其他框架的模型需要转换成ONNX模型。 如何将其他深 度学习架构的网络模型转换成ONNX, 可以参考ONNX官网: https://github.com/onnx/tutorials。
算丰智算处理器BM1684X，是面向推理的算力处理器。可集成于智算服务器、边缘智算盒、工控机等多种类型产品，高效适配市场上所有算法，实现图片分类、目标检测、实例分割、语义分割、行为分析、文字识别、语言处理、语音识别、语音合成、搜索推荐等应用，为各个行业进行赋能；具有超高性能计算能力，超强编解码能力，部署灵活，强易用性等优势。
1.参赛作品必须有demo演示；
2.初赛阶段：选手根据所选场景完成方案制作，提交完整解决方案，并完成核心算法与硬件的适配。方案需要将算法与硬件结合，运用算能BM1684x云空间资源进行方案撰写；
3.复赛阶段：优化算法移植的性能，并完成线下路演；
4.决赛阶段：解决方案内所有算法需完成在算能硬件上移植与部署，最终评选优秀性能算法进行算法集采；
5.参赛作品拥有商业实战案例，或者作品正在商用/试商用过程中，将会成为加分项；
6.具有独特的产品、技术或者商业模式，对项目拥有自主知识产权。
（一）初赛（总分20分）：
1) 项目可行性和创新性（5分）：评估项目的创新性和独特性，以及实施计划的可行性。
2) 技术方案和方法（10分）：评估技术方案的合理性、科学性和可行性，是否符合竞赛要求。
3) 项目进度和规划（5分）：评估项目的进度规划，以及团队在初赛阶段的准备情况。
（二）复赛（总分30分）：
1) 算法移植和性能（15分）：评估参赛团队将算法移植到指定硬件平台的质量和性能表现。
2) 系统稳定性和可靠性（10分）：评估移植后的系统的稳定性和可靠性，是否能在实际应用中稳定运行。
3) 路演展示（5分）：评估团队在复赛现场的路演展示，包括演示效果、展示技巧和沟通能力等。
（三）决赛（总分50分）
1）方案完整性（算法、软件）（15分）：评估项目整体完备程度，包括算法和系统鲁棒性。
2）方案交付能力（15分）：评估项目迁移部署的难易度，能否在实际场景中完成特定任务。
3）方案创新性与商业价值（20分）：评估项目的创新性和潜在商业价值。