文献

J-GLOBAL ID：202202289539616935   整理番号：22A1103929

SPNC:CPUとGPU上の高速和積ネットワーク推論のためのオープンソースMLIRベースコンパイラ【JST・京大機械翻訳】

SPNC: An Open-Source MLIR-Based Compiler for Fast Sum-Product Network Inference on CPUs and GPUs

著者 (3件)： Sommer Lukas (Embedded Systems and Applications Group, TU Darmstadt,Germany) ,  Axenie Cristian (Intelligent Cloud Technologies Laboratory,Huawei Munich Research Center,Munich,Germany) ,  Koch Andreas (Embedded Systems and Applications Group, TU Darmstadt,Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： CGO  ページ： 1-11  発行年： 2022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： Sum-Productネットワーク(SPNs)は機械学習のための広く使われるニューラルネットワーク(NN)の代替である。SPNは,確率でそれらの出力を認定することによる(非)不確実性の理由だけでなく,ネットワークサイズである直線w.r.t.の実行時間を有する高速(牽引可能)推論も可能にする。ベクトル化/SIMD実行の利用を含むCPUとGPUの両方に関するSPN推論のための高速ネイティブコードを生成するための最初のツールフローであるSPNCを提示した。この目的のために,著者らはMLIRフレームワークに2つのSPN特異的方言を追加し,実行目標に向けてのそれらの低下について議論する。このアプローチを2つのアプリケーションについて評価し,そのために,性能,非常に大きなSPNに対するスケーリング,およびコンパイル対実行時間トレードオフを考慮した。この方法で,既存のSPNサポートライブラリ上のスピードアップにおいて,複数桁の大きさを達成した。Copyright 2022 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： *ネットワーク ,  不確実性 ,  ニューラルネットワーク ,  応用プログラム ,  *ソフトウェア ,  SIMD ,  機械学習
準シソーラス用語： 方言 ,  ベクトル化 ,  実行時間 ,  *オープンソース , 【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 (6件)： CPU ,  GPU ,  積 ,  推論 ,  オープンソース ,  コンパイラ