「cs.PF」カテゴリーアーカイブ

Pushing the Performance Envelope of DNN-based Recommendation Systems Inference on GPUs

投稿日: 2024年10月30日 作成者: jarxiv

要約 パーソナライズされたレコメンデーションは、インターネット上のユビキタスなア … 続きを読む →

カテゴリー: cs.AR, cs.DB, cs.IR, cs.LG, cs.PF, cs.SE | Pushing the Performance Envelope of DNN-based Recommendation Systems Inference on GPUs はコメントを受け付けていません

Ripple: Accelerating LLM Inference on Smartphones with Correlation-Aware Neuron Management

投稿日: 2024年10月30日 作成者: jarxiv

要約 大規模言語モデル (LLM) は、さまざまなドメインで目覚ましい成功を収め … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.OS, cs.PF | Ripple: Accelerating LLM Inference on Smartphones with Correlation-Aware Neuron Management はコメントを受け付けていません

PyGim: An Efficient Graph Neural Network Library for Real Processing-In-Memory Architectures

投稿日: 2024年10月29日 作成者: jarxiv

要約 グラフ ニューラル ネットワーク (GNN) は、グラフ構造データを分析す … 続きを読む →

カテゴリー: cs.AR, cs.DC, cs.LG, cs.PF | PyGim: An Efficient Graph Neural Network Library for Real Processing-In-Memory Architectures はコメントを受け付けていません

Final Report for CHESS: Cloud, High-Performance Computing, and Edge for Science and Security

投稿日: 2024年10月22日 作成者: jarxiv

要約 理論と実験のサイクルを自動化するには、実験室の機器、エッジ センサー、複数 … 続きを読む →

カテゴリー: C.2.4, cs.CV, cs.DC, cs.PF, cs.SY, eess.SY | Final Report for CHESS: Cloud, High-Performance Computing, and Edge for Science and Security はコメントを受け付けていません

cedar: Optimized and Unified Machine Learning Input Data Pipelines

投稿日: 2024年10月17日 作成者: jarxiv

要約 入力データ パイプラインは、各機械学習 (ML) トレーニング ジョブの重 … 続きを読む →

カテゴリー: cs.DC, cs.LG, cs.PF | cedar: Optimized and Unified Machine Learning Input Data Pipelines はコメントを受け付けていません

Kino-PAX: Highly Parallel Kinodynamic Sampling-based Planner

投稿日: 2024年9月12日 作成者: jarxiv

要約 サンプリングベースのモーション プランナー (SBMP) は、高次元空間で … 続きを読む →

カテゴリー: cs.DC, cs.PF, cs.RO | Kino-PAX: Highly Parallel Kinodynamic Sampling-based Planner はコメントを受け付けていません

Mixture of Experts with Mixture of Precisions for Tuning Quality of Service

投稿日: 2024年9月10日 作成者: jarxiv

要約 リソースに制約のある環境で大規模な専門家混合 (MoE) モデルを展開する … 続きを読む →

カテゴリー: cs.AI, cs.DC, cs.LG, cs.PF | Mixture of Experts with Mixture of Precisions for Tuning Quality of Service はコメントを受け付けていません

Smartphone-based Eye Tracking System using Edge Intelligence and Model Optimisation

投稿日: 2024年8月23日 作成者: jarxiv

要約 現在のスマートフォンベースの視線追跡アルゴリズムの重大な制限は、通常、静止 … 続きを読む →

カテゴリー: cs.CV, cs.HC, cs.LG, cs.PF | Smartphone-based Eye Tracking System using Edge Intelligence and Model Optimisation はコメントを受け付けていません

A Closer Look at Data Augmentation Strategies for Finetuning-Based Low/Few-Shot Object Detection

投稿日: 2024年8月21日 作成者: jarxiv

要約 低ショットおよび少数ショットの物体検出のための現在の方法は、主に物体を検出 … 続きを読む →

カテゴリー: cs.AI, cs.CV, cs.LG, cs.PF | A Closer Look at Data Augmentation Strategies for Finetuning-Based Low/Few-Shot Object Detection はコメントを受け付けていません

AI-driven Java Performance Testing: Balancing Result Quality with Testing Time

投稿日: 2024年8月12日 作成者: jarxiv

要約 パフォーマンス テストは、ソフトウェア システムの効率の問題を明らかにする … 続きを読む →

カテゴリー: cs.AI, cs.LG, cs.PF, cs.SE | AI-driven Java Performance Testing: Balancing Result Quality with Testing Time はコメントを受け付けていません