项目背景
图像数字水印用于在不明显改变图像观感的情况下嵌入、提取版权标识。项目将原运行于 NVIDIA GPU 的深度学习水印模型迁移至国产海光 DCU，优化推理性能，并通过超算互联网平台提供使用，完成从模型适配到可交付软件的落地。
工作内容
我负责模型适配、运行环境部署、算子与推理优化，以及性能测试和软件交付。
-
完成国产算力适配：基于 TensorFlow 与海光 DTK 环境迁移水印编解码模型，支持两种图像分辨率，验证迁移后的图像质量与水印提取正确性。
-
优化算子执行与推理流程：启用 XLA 编译融合算子，减少核函数启动开销；结合批处理与异步数据加载，提高并行利用率，减少推理调用和数据等待。
-
交付平台服务：完成软件封装、部署镜像与使用文档，镜像上架超算商城，并完成性能测试及三家单位的示范应用。
优化效果
移植优化测试中，1080p 图像单 DCU 水印编码耗时由 1.12 秒／图降至 0.20 秒／图，加速 5.6 倍。
成果与认可
项目通过验收，于 2025 年 12 月获评“光合基金优秀课题”。
核心技术
Python · TensorFlow · 海光 DCU／DTK · XLA · 批处理与异步加载 · 容器部署
