文献

J-GLOBAL ID：201802255639495957   整理番号：18A1028124

実行特徴検出と機械学習に基づく自動化性能モデリング【JST・京大機械翻訳】

Automated Performance Modeling Based on Runtime Feature Detection and Machine Learning

著者 (4件)： Sun Jingwei ,  Zhan Shiyan ,  Sun Guangzhong ,  Chen Yong
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISPA/IUCC  ページ： 744-751  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 並列プログラムの自動化性能モデリングと性能予測は,多くの利用事例において非常に価値がある。例えば,案内タスク管理とジョブスケジューリングのような,応用挙動の洞察を提供し,資源要求推定を支援する。並列プログラムの性能は,ハードウェア,システムソフトウェア,アプリケーション,アルゴリズム,および入力パラメータに限定されていないが,多くの因子によって影響される。したがって,正確な性能予測は,しばしば挑戦的で,かつ,daなタスクである。本研究では,異なる入力を持つ並列プログラム(より具体的にはMPIプログラム)の実行時間を,異なるスケールで,ドメイン知識なしで自動的に予測することに焦点を合わせた。実行時間とドメイン独立実行時間特徴の間の相関をモデル化した。これらの特徴には,変数の値,ブランチのカウンター,ループ,およびMPI通信が含まれる。MPIプログラムを自動的に装置化することにより,プログラムの各実行は特徴ベクトルとその対応する実行時間を出力する。異なる入力による実行からデータを収集した後に,ランダムフォレスト機械学習アプローチを用いて,経験的性能モデルを構築した。それは新しい入力によるプログラムの実行時間を予測することができた。3つの異なるシステムに関する3つの並列プログラム,Graph500,GalaxSeeとSMG2000の実験と解析は,著者らの方法が,平均に関する予測において20%未満の誤差でよく機能することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： ドメイン知識 ,  応用プログラム ,  通信 ,  *機械学習 ,  ハードウェア ,  計数器 ,  *モデリング ,  *自動化 ,  アルゴリズム
準シソーラス用語： ランダムフォレスト ,  特徴ベクトル ,  実行時間 ,  ジョブスケジューリング ,  性能予測 ,  並列プログラム , 【Automatic Indexing@JST】

分類 (2件)： ディジタル計算機方式一般  (JC02010O) ,  計算機システム開発  (JD02010R)

タイトルに関連する用語 (4件)： 特徴検出 ,  機械学習 ,  自動化 ,  性能モデリング