文献

J-GLOBAL ID：202002248513426183   整理番号：20A2691263

深い推奨システムのクロススタック作業負荷特性化【JST・京大機械翻訳】

Cross-Stack Workload Characterization of Deep Recommendation Systems

著者 (6件)： Hsia Samuel (Harvard University) ,  Gupta Udit (Harvard University) ,  Wilkening Mark (Harvard University) ,  Wu Carole-Jean (Facebook Inc) ,  Wei Gu-Yeon (Harvard University) ,  Brooks David (Harvard University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IISWC  ページ： 157-168  発行年： 2020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： 深層学習ベースの推薦システムは,ほとんどの個人化されたクラウドサービスのバックボーンを形成する。コンピュータアーキテクチャコミュニティは,最近,深い推薦推論の注目を始めたが,得られた解決策は,近メモリ処理からスケール最適化までの野生に異なるアプローチを採った。深い推薦推論のための将来のハードウェアシステムをよりよく設計するために,まず,実行スタックの異なるレベルにわたる設計決定の根底にあるシステムレベルインパクトを系統的に調べ,特徴付ける必要がある。本論文では,実行スタックの3つの異なるレベル:アルゴリズムとソフトウェア,システムプラットフォーム,およびハードウェアマイクロアーキテクチャにおける8つの産業表現の深い推薦モデルを特徴付けた。このクロススタック特性評価を通して,まず,システム配置選択(すなわち,CPUまたはGPU,バッチサイズ粒度)が15x高速化まで与えることを示した。更なる最適化のためのボトルネックをより良く理解するために,著者らは,ソフトウェアオペレータ使用ブレークダウンとCPUフロントエンドおよびバックエンドのマイクロアーキテクティブ非効率性の両方を調査した。最後に,著者らは,キーアルゴリズムモデルアーキテクチャ特徴とハードウェアボトルネックの間の相関をモデル化して,各々のハードウェアボトルネックの背後にある単一優性アルゴリズム成分の欠如を明らかにした。Copyright 2020 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： アルゴリズム ,  記憶装置 ,  最適化 ,  コミュニティ ,  *ハードウェア ,  ソフトウェア ,  優性 ,  高速化 ,  キャラクタリゼーション ,  計算機アーキテクチャ
準シソーラス用語： バックエンド ,  マイクロアーキテクチャ ,  推奨システム ,  クラウドサービス ,  深層学習 , 【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)： 推奨システム ,  スタック ,  作業負荷 ,  特性化