مقاله تجزیه CP مقیاس پذیر برای یادگیری تانسور با استفاده از هسته های تانسور GPU
| عنوان مقاله به انگلیسی | Scalable CP Decomposition for Tensor Learning using GPU Tensor Cores |
| عنوان مقاله به فارسی | مقاله تجزیه CP مقیاس پذیر برای یادگیری تانسور با استفاده از هسته های تانسور GPU |
| نویسندگان | Zeliang Zhang, Zhuo Liu, Susan Liang, Zhiyuan Wang, Yifan Zhu, Chen Ding, Chenliang Xu |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Machine Learning,Artificial Intelligence,Distributed, Parallel, and Cluster Computing,یادگیری ماشین , هوش مصنوعی , توزیع شده , موازی و محاسبات خوشه ای , |
| توضیحات | Submitted 22 November, 2023; originally announced November 2023. |
| توضیحات به فارسی | ارسال شده 22 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد. |
چکیده
CP decomposition is a powerful tool for data science, especially gene analysis, deep learning, and quantum computation. However, the application of tensor decomposition is largely hindered by the exponential increment of the computational complexity and storage consumption with the size of tensors. While the data in our real world is usually presented as trillion- or even exascale-scale tensors, existing work can only support billion-scale scale tensors. In our work, we propose the Exascale-Tensor to mitigate the significant gap. Specifically, we propose a compression-based tensor decomposition framework, namely the exascale-tensor, to support exascale tensor decomposition. Then, we carefully analyze the inherent parallelism and propose a bag of strategies to improve computational efficiency. Last, we conduct experiments to decompose tensors ranging from million-scale to trillion-scale for evaluation. Compared to the baselines, the exascale-tensor supports 8,000x larger tensors and a speedup up to 6.95x. We also apply our method to two real-world applications, including gene analysis and tensor layer neural networks, of which the numeric results demonstrate the scalability and effectiveness of our method.
چکیده به فارسی (ترجمه ماشینی)
تجزیه CP ابزاری قدرتمند برای علم داده ، به ویژه تجزیه و تحلیل ژن ، یادگیری عمیق و محاسبه کوانتومی است.با این حال ، استفاده از تجزیه تانسور تا حد زیادی با افزایش نمایی پیچیدگی محاسباتی و مصرف ذخیره سازی با اندازه تنسورها مانع می شود.در حالی که داده های موجود در دنیای واقعی ما معمولاً به عنوان تانسور در مقیاس تریلیون یا حتی در مقیاس Exascale ارائه می شود ، کار موجود فقط می تواند از تانسور مقیاس میلیارد در مقیاس پشتیبانی کند.در کار ما ، ما Exascale-Tensor را برای کاهش شکاف قابل توجه پیشنهاد می کنیم.به طور خاص ، ما یک چارچوب تجزیه تانسور مبتنی بر فشرده سازی ، یعنی Exascale-Tensor ، برای حمایت از تجزیه تانسور Exascale پیشنهاد می کنیم.سپس ، ما با دقت موازی سازی ذاتی را تجزیه و تحلیل می کنیم و یک کیسه از استراتژی ها را برای بهبود کارایی محاسباتی پیشنهاد می کنیم.آخر اینکه ، ما آزمایشاتی را برای تجزیه تانسور از میلیون و مقیاس تا تریلیون در مقیاس برای ارزیابی انجام می دهیم.در مقایسه با خطوط پایه ، Exascale-Tensor از 8000 برابر تانسور بزرگتر و سرعت سرعت 6.95 برابر پشتیبانی می کند.ما همچنین روش خود را در دو برنامه در دنیای واقعی اعمال می کنیم ، از جمله تجزیه و تحلیل ژن و شبکه های عصبی لایه تنسور ، که نتایج عددی آن مقیاس پذیری و اثربخشی روش ما را نشان می 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.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 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.