GPU上の古典的機械学習問題の最適化【JST・京大機械翻訳】

Laue Soren; Blacher Mark; Giesen Joachim

プレプリント

J-GLOBAL ID：202202219832352124 整理番号：22P0322561

GPU上の古典的機械学習問題の最適化【JST・京大機械翻訳】

Optimization for Classical Machine Learning Problems on the GPU

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年03月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

制約付き最適化問題は,古典的機械学習において頻繁に発生する。例えば,CVXPYとGENOの制約付き最適化に対処するフレームワークが存在する。しかし,深い学習フレームワークとは対照的に,GPUサポートは限られている。ここでは,GENOフレームワークを拡張し,GPU上の制約付最適化問題を解いた。このフレームワークは,ユーザが容易から読みやすいモデリング言語における制約付き最適化問題を指定することを可能にする。次にこの仕様からソルバを自動的に生成する。GPU上で実行されるとき,ソルバは,数桁の大きさで,cuOSQPまたはSCSのようなGPU加速ソルバと組み合わせたCVXPYのような最先端のアプローチを凌駕する。【JST・京大機械翻訳】

, , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る