E-Locus - Ιδρυματικό Καταθετήριο Πανεπιστημίου Κρήτης - The best of many worlds : efficient machine learning inference on heterogeneous hardware architectures

Αρχική The best of many worlds : efficient machine learning inference on heterogeneous hardware architectures

Αποτελέσματα - Λεπτομέρειες

[Προσθήκη στο καλάθι]

Κωδικός Πόρου

000447783

Τίτλος

The best of many worlds : efficient machine learning inference on heterogeneous hardware architectures

Άλλος τίτλος

Αποδοτική πρόβλεψη μοντέλων μηχανικής μάθησης σε ετερογενή συστήματα

Συγγραφέας

Τσίρμπας, Ραφαήλ Α.

Σύμβουλος διατριβής

Μαρκάτος, Ευάγγελος

Μέλος κριτικής επιτροπής

Ιωαννίδης, Σωτήρης
Πρατικάκης, Πολύβιος

Περίληψη

Τα ετερογενή υπολογιστικά συστήματα απαρτίζονται από ένα σύνολο υπολογιστικών συσκευών, κάθε μια από τις οποίες έχει τα δικά της χαρακτηριστικά κατανάλωσης ενέργειας καθώς και την απόδοση της. Ακόμα και σήμερα όμως η πλειοψηφία των εφαρμογών μηχανικής μάθησης χρησιμοποιεί μία μόνο υπολογιστική συσκευή (όπως τον επεξεργαστή ή κάποιον επιταχυντή), για να κάνει προβλέψεις, αφήνοντας τις υπόλοιπες υπολογιστικές συσκευές αδρανείς και ανεκμετάλλευτες. Σε αυτή τη δουλειά, προτείνουμε μια διαφορετική προσέγγιση στην οργάνωση και στην ανάθεση των προβλέψεων μοντέλων μηχανικής μάθησης σε ετερογενείς συσκευές. Ο αλγόριθμος που υλοποιεί την ανάθεση των εργασιών στις κατάλληλες συσκευές είναι ικανός να ανταποκριθεί γρήγορα στις δυναμικές διακυμάνσεις πραγματικού χρόνου όπως για παράδειγμα, αυξομειώσεις στην είσοδο του συστήματος, υπερφόρτωση εφαρμογών, και αλλαγές στο υπολογιστικό σύστημα. Τα αποτελέσματα της έρευνας μας δείχνουν ότι ο αλγόριθμος μας είναι ικανός να φτάσει τα μέγιστα ποσοστά απόδοσης ανάμεσα σε διαφορετικά μοντέλα μηχανικής μάθησης, προβλέποντας σωστά την κατάλληλη συσκευή με ποσοστό 92.5%, καταναλώνοντας έως και 10% λιγότερη ενέργεια.

Φυσική περιγραφή

vi, 38 φύλλα : σχεδ., πιν., εικ. (μερ. εγχρ.) ; 30 εκ.

Γλώσσα

Αγγλικά

Θέμα

CPU

GPU

IGPU

Ημερομηνία έκδοσης

2020-11-27

Συλλογή

Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης