ترجمه فارسی مقاله FTuner: یک تنظیم‌کننده خودکار سریع برنامه تنسورهای شکل پویا برای کامپایلرهای یادگیری عمیق

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی FTuner: A Fast Dynamic Shape Tensors Program Auto-Tuner for Deep Learning Compilers
عنوان مقاله به فارسی FTuner: یک تنظیم‌کننده خودکار سریع برنامه تنسورهای شکل پویا برای کامپایلرهای یادگیری عمیق
نویسندگان Pengyu Mu, Linquan Wei, Yi Liu, Rui Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
دسته بندی موضوعات Machine Learning,Distributed, Parallel, and Cluster Computing,یادگیری ماشین , توزیع , موازی و محاسبات خوشه ای ,
توضیحات Submitted 31 July, 2024; originally announced July 2024. , Comments: 14 pages, 16 figures, 6 tables , MSC Class: 68M20 (Primary)
توضیحات به فارسی ارسال 31 ژوئیه 2024 ؛در ابتدا ژوئیه 2024 اعلام شد ، نظرات: 14 صفحه ، 16 شکل ، 6 جدول ، کلاس MSC: 68M20 (اولیه)

قیمت: 19,000 تومان

دانلود مقاله اصل انگلیسی + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 99,000 تومان

سفارش + خلاصه دو صفحه ای مقاله + پادکست صوتی فارسی خلاصه مقاله

با انتخاب این گزینه، علاوه بر دریافت مقاله اصلی و ترجمه کامل آن، یک خلاصه دو صفحه‌ای فارسی و پادکست صوتی فارسی خلاصه مقاله را نیز دریافت خواهید کرد.

قیمت: 520,000 تومان

زمان تحویل: 2 تا 3 روز کاری


📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Many artificial intelligence models process input data of different lengths and resolutions, making the shape of the tensors dynamic. The performance of these models depends on the shape of the tensors, which makes it difficult to optimize the tensors before the model runs. There are two common solutions to this problem. The first is to add useless data to the input to match a pre-optimized tensor library. The second is to use small basic tensors to create a tensor that is closest in size to the input data and then tune it to minimize padding. However, this second solution can be time-consuming. This paper proposes a new technique for deep learning compilers called FTuner. Instead of using a large design space or training a cost model, we use an abstract computational unit called the uKernel to patch together small, various-sized tensors to match the shape of the input tensor. We determine the shape of the uKernel using an analytic hardware information model. Experiments show that the FTuner can achieve comparable operators and end-to-end performance to vendor libraries and achieves 3% speedup on existing auto-tuner with the model-training compiler while reducing tuning time by two orders of magnitude.

چکیده به فارسی (ترجمه ماشینی)

بسیاری از مدلهای هوش مصنوعی داده های ورودی با طول و وضوح مختلف را پردازش می کنند و شکل تانسور را پویا می کنند.عملکرد این مدلها به شکل تانسور بستگی دارد و این امر بهینه سازی تنش ها قبل از اجرای مدل را دشوار می کند.دو راه حل مشترک برای این مشکل وجود دارد.اولین مورد اضافه کردن داده های بی فایده به ورودی برای مطابقت با یک کتابخانه تنسور از قبل بهینه سازی شده است.مورد دوم استفاده از تنسورهای اساسی اساسی برای ایجاد تانسور است که از نظر اندازه نزدیک به داده های ورودی نزدیک باشد و سپس آن را تنظیم کنید تا بالشتک را به حداقل برساند.با این حال ، این راه حل دوم می تواند وقت گیر باشد.در این مقاله یک تکنیک جدید برای کامپایلرهای یادگیری عمیق به نام FTUNER ارائه شده است.به جای استفاده از یک فضای طراحی بزرگ یا آموزش یک مدل هزینه ، ما از یک واحد محاسباتی انتزاعی به نام Ukernel استفاده می کنیم تا تنسورهای کوچک و با اندازه مختلف را با هم جمع کنیم تا با شکل تانسور ورودی مطابقت داشته باشد.ما شکل Ukernel را با استفاده از یک مدل اطلاعات سخت افزاری تحلیلی تعیین می کنیم.آزمایشات نشان می دهد که FTUNER می تواند به اپراتورهای قابل مقایسه و عملکرد پایان به کتابخانه های فروشنده دست یابد و به سرعت 3 ٪ در تنظیم خودکار موجود با کامپایلر آموزش مدل دست یابد و در عین حال زمان تنظیم را با دو سفارش از بزرگی کاهش دهد.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.