On-Device 执行，即整图卸载执行，充分发挥异腾芯片的算力，可以大大降低交On-Device 执行，即整图卸载执行，充分发挥异腾芯片的算力，可以大大降低交互的开销，从而提升加速器占用率，关于 0n-Device 执行以下描述错误的是（）

A．MindSpore 通过梯度数据驱动的自适应图优化，实现去中心化的自主 A11 Reduce, 梯度聚合步调一致， 计算与通信充分流水

B．超强芯片算力下模型执行的挑战: 内存墙问题、交互开销大、数据供给难。部分在 Host 执行，部分在 Device 执行， 交互开销甚至远大于执行开销，导致加速器占用率低

C．MindSpore 通过面向芯片的深度图优化技术，同步等待少，最大化数据计算通 信的并行度，训练性能相比 Host 侧图调度方式持平

D．超强芯片算力下分布式梯度聚合的挑战:ReslNet50 单迭代 20ms 时间时会产生中 心控制的同步开销和频繁同步的通信开销。传统方法需要 3 次同步完成 A11 Reduce, 数据驱动方法自主 A11 Reduce, 无控制开销