文献

J-GLOBAL ID：201902224885107978   整理番号：19A0123446

ビッグデータとAI作業負荷のためのデータモチーフベースのプロキシ【JST・京大機械翻訳】

Data Motif-based Proxy Benchmarks for Big Data and AI Workloads

著者 (11件)： Gao Wanling (State Key Laboratory of Computer Architecture, Institute of Computing Technology, Chinese Academy of Sciences) ,  Zhan Jianfeng (State Key Laboratory of Computer Architecture, Institute of Computing Technology, Chinese Academy of Sciences) ,  Wang Lei (State Key Laboratory of Computer Architecture, Institute of Computing Technology, Chinese Academy of Sciences) ,  Luo Chunjie (State Key Laboratory of Computer Architecture, Institute of Computing Technology, Chinese Academy of Sciences) ,  Jia Zhen (Princeton University) ,  Zheng Daoyi (State Key Laboratory of Computer Architecture, Institute of Computing Technology, Chinese Academy of Sciences) ,  Zheng Chen (State Key Laboratory of Computer Architecture, Institute of Computing Technology, Chinese Academy of Sciences) ,  He Xiwen (State Key Laboratory of Computer Architecture, Institute of Computing Technology, Chinese Academy of Sciences) ,  Ye Hainan (Beijing Academy of Frontier Sciences and Technology) ,  Wang Haibin (Huawei) ,  Ren Rui (State Key Laboratory of Computer Architecture, Institute of Computing Technology, Chinese Academy of Sciences)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： IISWC  ページ： 48-58  発行年： 2018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： アーキテクチャコミュニティのために,合理的シミュレーション時間は,性能データ精度に加えて強い要求事項である。しかし,新しい大規模データとAI作業負荷は,二値サイズレベルで非常に大きく,サイクル正確なシミュレータで実行するのに非常に高価である。データモチーフの概念は,初期または中間のデータで実行された計算の単位のクラスとして同定され,実世界の大規模データとAI作業負荷を模倣するための代理ベンチマークの構築に向けた最初のステップである。しかしながら,シミュレーションに基づく研究を助けるために,データモチーフに基づくプロキシベンチマークを構築する実用的な方法はない。本論文では,データモチーフと実際のプロキシベンチマークの間のギャップを橋渡しするための研究に着手した。著者らは,機械学習法によるデータモチーフベースのプロキシベンチマーク生成方法論を提案する。それは,大きいデータとAI作業負荷を模倣するために異なる重みを持つデータモチーフを結合する。さらに,軽量スタックを用いて種々のデータモチーフを実装し,データタイプ,パターン,および分布を考慮して,一連のプロキシベンチマークを構築するために,5つの実世界作業負荷に対する方法論を適用した。評価結果は,著者らのプロキシベンチマークが,入力データセットまたはクラスタ構成を変化させても,90%以上の平均システムとマイクロアーキテクチャ性能データ精度を維持しながら,実システム上で実行時間を100秒短縮することを示した。さらに,生成したプロキシベンチマークは異なるアーキテクチャにわたる一貫した性能傾向を反映する。コミュニティを容易にするために,プロジェクトホームページhttp://prof.ict.ac.cn/BigDataBenchに関するプロキシベンチマークをリリースする。Copyright 2019 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： クラスタ ,  計算機アーキテクチャ ,  *ベンチマーク ,  コミュニティ ,  機械学習 ,  シミュレータ ,  データ型 ,  シミュレーション
準シソーラス用語： 実行時間 ,  マイクロアーキテクチャ ,  入力データ ,  軽量 ,  大規模データ ,  *プロキシ ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ビッグデータ ,  AI ,  作業負荷 ,  プロキシ